R：根据满足的某些条件选择行（按组）

Question

ID      Date1       Date2       Date3
1111    4/6/2016    NA          5/1/2016
1111    4/6/2016    3/31/2016   NA
1111    4/6/2016    4/2/2016    3/29/2016
1112    4/17/2016   4/29/2016   6/2/2016
1112    4/17/2016   5/1/2016    5/16/2016
1112    4/17/2016   NA          2/1/2016
1113    4/6/2016    3/4/2016    5/12/2016
1113    4/6/2016    4/4/2016    2/16/2016
1114    5/2/2016    4/20/2016   5/29/2016
1114    5/2/2016    4/30/2016   5/21/2016
1115    3/31/2016   2/3/2016    2/2/2016
1115    3/31/2016   2/5/2016    2/4/2016

鉴于上述数据集，我想从 Date3 中选择每个 ID 的 MAX（最新）值和 Date2 中的 MIN（最旧）值，因为：

Date2 中的至少一个值小于（旧）Date1，并且 Date3 中的一个值大于（新）Date1 PER ID。

我希望返回以下内容：

1111    4/6/2016    3/31/2016   5/1/2016
1113    4/6/2016    3/4/2016    5/12/2016
1114    5/2/2016    4/20/2016   5/29/2016

（不会返回 1112，因为 Date2 中的值都不小于 Date1，并且不会返回 1115，因为 Date3 中的值都不大于 Date1）。

我已经为此工作了很长一段时间（我是一个新手编码员），所以任何帮助将不胜感激！

Answer 1

我会分两步完成。首先，获取符合您条件的 ID 集：

library(magrittr)
library(dplyr)
selected_ids <- data %>% 
    group_by(ID) %>% 
    summarize(PassD1vD2=any(na.omit(Date2 < Date1)),
              PassD1vD3=any(na.omit(Date3 > Date1))) %>%
    filter(PassD1vD2 & PassD1vD3) %$% ID %>% unique

然后选择组的最小值和最大值：

filtered_data <- data %>% 
    filter(ID %in% selected_ids) %>% 
    group_by(ID) %>%
    summarize(Date1=Date1[1], minD2=min(Date2, na.rm=TRUE), maxD3=max(Date3, na.rm=TRUE))

Answer 2

如果你使用 dplyr 库试试这个：

library(dplyr)
filtered_data <- data %>% filter(Date2 < Date1 & Date3 > Date1) %>%
 group_by(ID, Date1) %>% 
 summarize(minD2 = min(Date2, na.rm = T), maxD3 = max(D3, na.rm = T)

这应该会给你想要的数据框。