dplyr：基于另一列过滤答案

【问题标题】：dplyr: filter based on another columndplyr：基于另一列过滤
【发布时间】：2016-07-15 12:46:45
【问题描述】：

假设我有以下数据，并且有兴趣按日期获取类型为“ts”的数据。当然，有些日期 ts 不可用，我需要恢复这些日期的“真实”值。

dat = data.frame(dte = c("2011-01-01","2011-02-01","2011-03-01","2011-04-01","2011-05-01",
                         "2011-01-01","2011-02-01","2011-03-01"),
                 type = c("real","real","real","real","real","ts","ts","ts"),
                 value=rnorm(8))
dat

cpy = dat %>% dplyr::filter(type == "ts") 

cpy

如何在 dplyr 中完成类似的操作。

预期输出是：

dte            type    value
"2011-01-01"   ts      ....
"2011-02-01"   ts
"2011-03-01"   ts  
"2011-04-01"   real
"2011-05-01"   real

【问题讨论】：

您的预期输出是什么？您是否有类型为“ts”的 dte 的 NA 值。在这种情况下，请展示一个可重现的示例
但您的预期输出还显示real 为type
已添加。并且没有 NA 值，只是缺少不存在的日期值。
是的，如果 ts 可用，请使用它。否则，使用实际值。
我发布了一个解决方案。请检查这是否是您想要的。 “价值”列呢？对于“真实”，它仍然是 NA 吗？

标签： r

【解决方案1】：

你可以试试基础包，

rbind(dat[dat$type == "ts",], dat[!unique(dat$dte) %in% 
                                               dat[dat$type == "ts","dte"], ])

#     dte     type       value
#6 2011-01-01   ts -0.98109206
#7 2011-02-01   ts  1.67626166
#8 2011-03-01   ts -0.06997343
#4 2011-04-01 real  1.27243996
#5 2011-05-01 real -1.63594680

取type 等于ts 和rbind 的行，其余日期来自real 类型。

【讨论】：

【解决方案2】：

一个想法可能是group_by() 日期并保留type == "ts" 的值，或者当给定日期没有type == "ts" 时，保留另一个值：

dat %>%
  group_by(dte) %>%
  filter(type == "ts" | !any(type == "ts"))

这给出了：

#Source: local data frame [5 x 3]
#Groups: dte [5]
#
#         dte   type      value
#      <fctr> <fctr>      <dbl>
#1 2011-04-01   real  0.2522234
#2 2011-05-01   real -0.8919211
#3 2011-01-01     ts  0.4356833
#4 2011-02-01     ts -1.2375384
#5 2011-03-01     ts -0.2242679

【讨论】：

【解决方案3】：

使用dplyr，我们也可以使用which.max

library(dplyr)
dat %>%
    group_by(dte) %>%
    slice(which.max(factor(type)))    
#        dte   type      value
#      <fctr> <fctr>      <dbl>
#1 2011-01-01     ts -0.5052456
#2 2011-02-01     ts -0.4038810
#3 2011-03-01     ts -1.5349627
#4 2011-04-01   real  1.6812035
#5 2011-05-01   real -0.9902754

或者使用与data.table类似的选项

library(data.table)
setDT(dat)[, .SD[which.max(factor(type))] , dte]
#        dte type      value
#1: 2011-01-01   ts -0.5052456
#2: 2011-02-01   ts -0.4038810
#3: 2011-03-01   ts -1.5349627
#4: 2011-04-01 real  1.6812035
#5: 2011-05-01 real -0.9902754

【讨论】：

我认为 OP 希望尽可能在给定日期保留值 "ts"，如果没有，请保留 "real"。至少这是我从 question 和 cmets 中推断出来的。
@StevenBeaupré 谢谢你的评论。我用 data.table 更新了帖子。