R 有条件地从data.table中删除重复的元素

我合并了两个数据集。集合X包含ID和开始日期，集合Y包含ID和结束日期。两者都以ID作为密钥。我希望将每个startDate与其对应的endDate匹配（前提是它大于startDate）。问题是ID可能在给定的集合中出现多次，但在同一集合中出现的次数并不总是相同。因此，startDate可以与endDate的多个条目匹配，反之亦然。这基本上就是我的代码：

require(data.table)

startDate = c(1,2,3,1)
IDX = c(1,2,2,3)
endDate = c(2,3,4)
IDY = c(1,1,2)

X = data.table(startDate,IDX)
Y= data.table(endDate,IDY)

setkey(X,IDX)
setkey(Y,IDY)
DT = X[Y,allow.cartesian = TRUE][endDate>startDate]   

现在我想有条件地从集合DT中删除重复的条目。对应于键“ID”和“startDate”，我只想保留具有最低结束日期的重复条目。对于“ID”和“endDate”的每个重复条目，我都希望执行相同的操作，但保留具有最高startDate的条目

DT如下所示：

   IDX startDate endDate
1:   1         1       2
2:   1         1       3
3:   2         2       4
4:   2         3       4

此新数据表中有两个重复项。1和2是彼此的副本，具有不同的结束日期。只有条目1必须保留（因为它的结束日期与开始日期最接近）。3和4也是彼此的副本，起始日期不同。在这里，条目4必须保留（因为它的起始日期是closes startDate到endDate）。因此，所需的输出是

   IDX startDate endDate
1:   1         1       2
2:   2         3       4

---

我不知道如何使用

duplicated（DT）

实现这一点，因为它不一定会给出我想要的特定副本。有人有什么建议吗？此外，我是否可以在“加入”过程中解决此问题，而不是事后解决

我不认为这可以在一个连接中完成，但也许以下方法可以奏效：

Y[, startDate := endDate]
setkey(X, IDX, startDate)
setkey(Y, IDY, startDate)

Y[X, roll = -Inf][, list(startDate = startDate[.N]), by = list(IDY, endDate)]
#   IDY endDate startDate
#1:   1       2         1
#2:   2       4         3

---

我不确定我是否正确理解了你的问题：

data.table（IDX=c（1,1,1），startDate=c（2,2,1），endDate=c（1,2,2））

？@Arun这是涵盖我想要的所有情况的最简单的例子。我更新了输出。我现在显示了预期的输出，这样问题就更清楚了（我希望如此）。在实践中，X和Y的尺寸并不相等，顺便说一句。@Forzaa好的，看看编辑的版本是否是你想要的+1超赞的

滚动使用。您可能需要添加
nomatch=0L
，以确保在没有特定ID的
endDate>startDate
时，不会出现
NA
结果。@Arun谢谢，这是一个很好的观点-OP可以决定他们喜欢在这方面做什么situation@eddi，是的，这一点或多或少是针对OP:）的。回答得很好，再一次！我认为它也相当于
Y[X[J（unique（IDX）），mult=“last”]，roll=-Inf]
（或者从1.9.3+也相当于
Y[unique（X，by=“IDX”，fromLast=TRUE），roll=-Inf]