R-保留由多个变量确定的每个组的第一个观察值（Stata等效“bys var1 var2:如果”u n==1“则保留）

因此，我目前在R中面临一个问题，我确切地知道如何在Stata中处理这个问题，但在R中已经浪费了两个多小时

使用下面的data.frame，我想要的结果是准确地获得每组的第一个观察值，而组由多个变量组成，并且必须按另一个变量排序，即data.frame mydata通过以下方式获得：

id <- c(1,1,1,1,2,2,3,3,4,4,4)
day <- c(1,1,2,3,1,2,2,3,1,2,3)
value <- c(12,10,15,20,40,30,22,24,11,11,12)
mydata <- data.frame(id, day, value)

通过仅保留具有一个或多个重复组标识符的行中的一行（此处仅为

行[1]：（id，day）=（1,1））

，首先对值进行排序（以便保留具有最低值的行）

在Stata，这将是：

bys id day (value): keep if _n == 1

我找到了一个，如果我首先生成一个组标识符，它会正确地执行此操作：

mydata$id1 <- paste(mydata$id,"000",mydata$day, sep="")  ### the single group identifier

myid.uni <- unique(mydata$id1)
a<-length(myid.uni)

last <- c()

for (i in 1:a) {
  temp<-subset(mydata, id1==myid.uni[i])
  if (dim(temp)[1] > 1) {
    last.temp<-temp[dim(temp)[1],]
  }
  else {
    last.temp<-temp
  }
  last<-rbind(last, last.temp)
}

last

---

mydata$id1我会订购
data.frame
，在这一点上，您可以通过
查看：

mydata <- mydata[with(mydata, do.call(order, list(id, day, value))), ]

do.call(rbind, by(mydata, list(mydata$id, mydata$day), 
                  FUN=function(x) head(x, 1)))


或者，从零开始，您可以按以下方式使用
data.table
：

DT <- data.table(id, day, value, key = "id,day")
DT[, n := rank(value, ties.method="first"), by = key(DT)][n == 1]

DT包dplyr使这类事情变得更容易

library(dplyr)
mydata %>% group_by(id, day) %>% filter(row_number(value) == 1)

请注意，此命令在R中比在Stata中需要更多的内存：在R中，创建数据集的新副本，而在Stata中，行被就地删除。
使用data.table，假设
mydata
对象已按您所需的方式排序，另一种方法是：

library(data.table)
mydata <- data.table(my.data)
mydata <- mydata[, .SD[1], by = .(id, day)]

库（data.table）
mydata%
解组（）

如果不将
ungroup（）
添加到末尾，dplyr的分组结构仍将存在，并且可能会打乱后续的一些功能。
使用的替代方法是：完成任务，但所用的时间与我最初发布的代码一样长。我将不得不让IT人员安装data.table来查看这一点，如果效果更好，我将在稍后与您联系。@iraserd，我也很难相信这些方法中的任何一种都需要1.5个小时。你能添加更多关于你的数据的信息吗？嗯，我在大约15分钟后放弃了我最初发布的for-loop方法，到那时它已经处理了大约12k的80k个观测值。@Anada Mahto，好的，所以对于我的数据集的一个小的子样本，你的所有3个备选方案都工作得很好。然而，在完整的数据集（大约500k个观测值）上，by（）和DT[]似乎比ave（）花费的时间要长得多。Ave（）大约5分钟后才结束，而我分别在大约10分钟后通过（）和DT[]中止。这对我来说是正确的答案，谢谢@伊拉瑟德，我觉得这很奇怪。“data.table”包应该非常高效。您有多少“id”变量的唯一组合？在我对500k
data.frame
的测试中，“data.table”方法我得到了约1分钟，而
ave
方法我得到了约2分钟。我是一个Stata人，但我不认为通过暗示R是差劲的来吸引R用户，即使是对于一个非常具体的详细任务。最好是暗示一定有一个整洁的R方法来做，只是你没有识别它。@NickCox，我不是有意侮辱R，如果这是听起来的话。在过去的两周里，我一直在从Stata进行迁移，但仍在努力获得正确的基本功能。对于迁移的初学者来说，虽然可以在R中有效地使用
for
循环，但如果这是您的第一个选择，它可能不是最有效的方法。@iraserd无疑；我只是建议如何影响人们并鼓励他们回答你的问题。这是什么%>%？错误结果：找不到已加载库（dplyr）的函数“%>%”。是因为我还在运行3.0.2吗？可能吧。它将对象放在左边，作为函数的第一个参数放在右边。第一行相当于slice（arrange（group_by（mydata，id，day），value），1）
Ranks <- with(mydata, ave(value, id, day, FUN = function(x) 
  rank(x, ties.method="first")))
mydata[Ranks == 1, ]

library(dplyr)
mydata %>% group_by(id, day) %>% filter(row_number(value) == 1)

library(data.table)
mydata <- data.table(my.data)
mydata <- mydata[, .SD[1], by = .(id, day)]

library(dplyr)
mydata <- mydata %>%
  group_by(id, day) %>%
  slice(1) %>%
  ungroup()