如何将每个 ID 保存在数据帧中，一旦出现平局，则选择最大值拳头，以防平局随机

Question

我有一个大约 250K obs 的大型 DF。以及关于人们毕业数据的 19 个变量。人们多次在DF中。我需要制作两个新的 DF，其中每个人每个 DF 只出现一次（ID）。我真正的 DF 有更多列，但例如我取出了 3 个需要的列和 2 个作为我的 DF 中其他背景信息的示例。

ID - 个人的唯一 ID

Level - 显示教育水平。数字越大越好：示例 8 = 博士，7 = 硕士

年份 - 毕业年份

Field - 研究领域的背景信息。我们需要保留这些数据。

性别 - 人的性别。我们需要保留这些数据。

 原版 DF 命名为“Graduations”
ID 级别 年份 字段 性别
1 4 2016 31 百万
1 5 2016 43 百万
2 6 2010 12 楼
2 7 2012 12 楼
2 8 2017 19 楼
3 5 2011 12 楼
3 5 2009 31 女
4 6 2018 43 百万
4 6 2018 44 百万
5 5 2015 19 万
5 6 2011 32 M

DF 1 被命名为“最高”，意思是最高等级的毕业。在这个 DF 中，我们只保留该人已达到最高教育水平的行。如果一个人达到它的次数超过一次，那么我们保留最高和最新毕业的那一行，如果两者都是平局，那么我们随机选择一个。

 “最高”
ID 级别 年份 字段 性别
1 5 2016 43 M（保留行，因为它是最高级别）
2 8 2017 19 F（保留行，因为它是最高级别）
3 5 2011 12 F（保留行，因为它是最高级别和最新的）
4 6 2018 43 M（随机选择的行）
5 6 2011 32 M（行保留，因为它是最高级别）

DF 2 被命名为“Last”，意思是最后获得的毕业级别。在这个 DF 中，我们只保留最新数据的行。如果一个人每年毕业一次以上，那么我们选择最高级别，如果那也是一个平局，然后随机（不需要与 DF1 中相同的随机行）

 "最后"
ID 级别 年份 字段 性别
1 5 2016 43 M（保留行，因为它是最新和最高级别）
2 8 2017 19 F（保留行，因为它是最新的）
3 5 2011 12 F（保留行，因为它是最新的）
4 6 2018 44 M（随机选择的行）
5 5 2015 19 M（保留行，因为它是最新的）

我试图在 stackoverflow 上搜索它，但没有找到我要找的东西。我可能使用了错误的关键字。

我更喜欢基本的 R 函数，但如果需要，最常见的包也可以。这是因为此 DF 位于安全计算机上，并且安装不常见的软件包需要很长时间，因为我必须提出请求。最常见的已经安装了。

感谢您的帮助。

Answer 1

data.table 解决方案

它不是很优雅，但它确实有效。

library(data.table)

dt <- fread('ID    Level     Year     Field     Gender
1       4       2016      31         M
1       5       2016      43         M
2       6       2010      12         F
2       7       2012      12         F
2       8       2017      19         F
3       5       2011      12         F
3       5       2009      31         F
4       6       2018      43         M
4       6       2018      44         M
5       5       2015      19         M
5       6       2011      32         M')

df1 <- dt[,head(.SD[Level==max(Level)],1),by = .(ID)]

df2 <- dt[,highest_lvl_year:=max(Level),.(ID,Year)][,
            flag:=fifelse(Year==max(Year),fifelse(Level==highest_lvl_year,"Y","N"),"N"),by=.(ID)][,
            head(.SD[flag=="Y"],1),by=.(ID)]
df1
#>    ID Level Year Field Gender
#> 1:  1     5 2016    43      M
#> 2:  2     8 2017    19      F
#> 3:  3     5 2011    12      F
#> 4:  4     6 2018    43      M
#> 5:  5     6 2011    32      M
df2[,1:5]
#>    ID Level Year Field Gender
#> 1:  1     5 2016    43      M
#> 2:  2     8 2017    19      F
#> 3:  3     5 2011    12      F
#> 4:  4     6 2018    43      M
#> 5:  5     5 2015    19      M

^{由reprex package (v0.3.0) 于 2020-04-20 创建}