在R中匹配多个日期值
我有以下数据框架DF,描述在特定日期参与项目的人员:在R中匹配多个日期值,r,matching,plyr,R,Matching,Plyr,我有以下数据框架DF,描述在特定日期参与项目的人员: ID ProjectName StartDate 1 Health 3/1/06 18:20 2 Education 2/1/07 15:30 1 Education 5/3/09 9:00 3 Wellness 4/1/10 12:00 2 Health 6/1/11 14:20 目标是找到与每个ID对应的第一个
ID ProjectName StartDate
1 Health 3/1/06 18:20
2 Education 2/1/07 15:30
1 Education 5/3/09 9:00
3 Wellness 4/1/10 12:00
2 Health 6/1/11 14:20
目标是找到与每个ID对应的第一个项目。例如,预期输出如下:
ID ProjectName StartDate
1 Health 3/1/06 18:20
2 Education 2/1/07 15:30
3 Wellness 4/1/10 12:00
到目前为止,我已经做了以下工作来获取每个ID的第一个起始日期:
sub <- ddply(DF, .(ID), summarise, st = min(as.POSIXct(StartDate)));
sub这是一个基本的R解决方案
dat <- data.frame(
ID=c(1,2,1,3,2),
PRJ=c("H","E","E", "W", "H"),
START=strptime(
c(
"3/1/06 18:20", "2/1/07 15:30", "5/3/09 9:00",
"4/1/10 12:00","6/1/11 14:20"),
"%d/%m/%y %H:%M")
)
min_date <- function(x) {x[which.min(x$START), ]}
s <- split(dat, dat$ID) # split
a <- lapply(s, FUN=min_date) # apply
do.call("rbind", a) # combine
然而,@SimonO101的订单匹配解决方案要比这快得多
为了好玩,下面是另一个使用sqldf
的解决方案:
sqldf("select * from dat group by ID having START=min(START)")
这是一个data.table
解决方案,应该非常有效
DF <- data.frame(ID=c(1,2,1,3,2,1), ProjectName=c('Health', 'Education', 'Education', 'Wellness', 'Health', 'Health'),
StartDate=c('3/1/06 18:20', '2/1/07 15:30', '5/3/09 9:00', '4/1/10 12:00', '6/1/11 14:20', '1/1/06 11:10'))
使用match
非常简单,因为match
返回:
其第一个参数的第一个匹配位置的向量
第二个
因此,您所需要做的就是按日期排序,然后使用unique
获取每个ID的一个实例,并match
找到第一个位置。感谢@MatthewLunberg为您的数据提供了一个可复制的示例:
DF <- DF[ order(as.POSIXct(DF$StartDate, format="%m/%d/%y %H:%M")) , ]
DF[ match( unique( DF$ID ) , DF$ID ) , ]
# ID ProjectName StartDate
#6 1 Health 1/1/06 11:10
#2 2 Education 2/1/07 15:30
#4 3 Wellness 4/1/10 12:00
DF为了对其进行取整,这里有一个基于plyr
包的解决方案。我添加了一个额外的列,使textConnection
更容易读取数据
dfProjects = as.data.frame(read.table(textConnection("ID ProjectName Date Time
1 Health 3/1/06 18:20
2 Education 2/1/07 15:30
1 Education 5/3/09 9:00
3 Wellness 4/1/10 12:00
2 Health 6/1/11 14:20"), header = TRUE))
ddply(within(dfProjects, dfProjects[order(
as.POSIXct(paste(Date, Time), format = "%m/%d/%y %H:%M")), ]),
.(ID), function(dataFrame) dataFrame[1, ])
+1对于OP数据和data.table解决方案的可复制示例,这似乎是最快的解决方案。plyr
已被封存,支持dplyr
,但DF%>%group\u by(ID)%%>%first()
有效
d[,.SD[1,],by=ID]
DF <- DF[ order(as.POSIXct(DF$StartDate, format="%m/%d/%y %H:%M")) , ]
DF[ match( unique( DF$ID ) , DF$ID ) , ]
# ID ProjectName StartDate
#6 1 Health 1/1/06 11:10
#2 2 Education 2/1/07 15:30
#4 3 Wellness 4/1/10 12:00
dfProjects = as.data.frame(read.table(textConnection("ID ProjectName Date Time
1 Health 3/1/06 18:20
2 Education 2/1/07 15:30
1 Education 5/3/09 9:00
3 Wellness 4/1/10 12:00
2 Health 6/1/11 14:20"), header = TRUE))
ddply(within(dfProjects, dfProjects[order(
as.POSIXct(paste(Date, Time), format = "%m/%d/%y %H:%M")), ]),
.(ID), function(dataFrame) dataFrame[1, ])