R将unique（）与逻辑条件组合以子集data.table

我使用的是数据表1.9.6和R3.2.1

我有一个data.table，它有一个名为pid的键。具有相同pid的多个记录的完整性水平、采样日期和执行的测试类型不同。我需要将此data.table与pid上的另一个data.table合并，但是第二个表对于每个pid只有一条唯一的记录

因此，在合并之前，我需要对第一个data.table进行子集设置，以便每个pid只包含一条唯一的记录。我可以用unique（）实现这一点，但这将按顺序为每个pid提供第一条记录，而这不一定是我想要的记录。对于每个pid，我要查找包含特定测试类型（x）的行，该行具有该pid的最早样本日期，如果有多个pid具有最早样本日期，则其中具有最完整字段的行作为平局断路器

简单地按样本日期（从最小到最大）和完整字段的数量（从最大到最小）排序，然后应用unique（）可以部分地解决问题，但有效地引用

test==“x”

条件是我遇到的问题

如何有效地消除data.table的重复，并基于满足特定逻辑条件（给定pid的所有行都可以根据这些逻辑条件进行计算）的行显式选择要保留的行

以下是一些示例数据：

pid <- c("a1", "b1", "c1", "a1", "c1", "c1", "c1")
sampledate <- c("2014-11-19", "2014-11-01", "2014-11-05", "2014-11-17", "2014-11-05", "2014-11-05", "2014-11-05")
age <- c(10,43,2,10,2,NA,2)
sex <- c("female","female","male","female","male",NA,"male")
test <- c("x", "x", "e", "x", "d", "y", "x")

dt <- data.table(cbind(pid,sampledate,age,sex,test))
dt[, sampledate := as.Date(sampledate)]
dt[, completefields := rowSums(!is.na(dt))]

在上面的输出中，对于pid“c1”，选择了测试“e”的记录，而我只对测试“x”的记录感兴趣。在顺序列表中包含test对我没有帮助，因为选项是d、e、x和y，其值是我想要的，“x”分别位于第三（如果按升序排列）或第二（如果按降序排列）位置

如果我将逻辑测试的结果添加到我的数据集中，我可以按顺序包括“testisx”列，并获得我想要的结果：

dt[, testisx := test=="x"]

setkey(dt, pid)
setorder(dt, pid, sampledate, -testisx, -completefields, na.last=TRUE)
dts=unique(dt)

 > dts
   pid sampledate age    sex test completefields testisx
1:  a1 2014-11-17  10 female    x              5    TRUE
2:  b1 2014-11-01  43 female    x              5    TRUE
3:  c1 2014-11-05   2   male    x              5    TRUE

这对于小数据集来说很好，但是为更大的数据集创建额外的列在计算上很昂贵

---

是否有任何方法可以为满足上述条件的每个pid选择一行，而无需创建额外的列？我不必使用unique（）；我可以构建一个forloop，但在构建之前，我想检查是否有更直接的方法

同一帮助页面

？unique.data.table

描述了可用于逻辑子集设置的

重复的
。不过，我认为你误解了逻辑表达式是如何构造的
max（x）
是一个数字，不是真/假值；可能你想使用
x==max（x）
。谢谢Frank，我选择的示例可能不是正确的，因为我对无法排序的逻辑表达式感兴趣（所以不是max和min，而是更多我在最后添加的testtype==“x”场景）。
dt1=dt[，.SD[unique（dt）&min（sampledate）&max（completefields）]，by=pid]中的语法可能是错误的（如果sampledate的某个特定值等于sampledate的最小值（通过pid），我可以创建一个列来指示true/false，但在使用.SD时我还是有点新手）@Arun:我已经用一个更清晰的例子更新了我的问题，并使用了setorder，见上文。重复；如果我理解正确，此函数仍将仅将每条记录的第一条标记为非重复。仔细考虑后，我将我的问题归类为重复数据消除问题，但我承认unique（）和duplicated（）并不是按我所希望的方式设计的（尽管IMO添加可选条件以消除重复将是一个非常有用的补充）。
dt[, testisx := test=="x"]

setkey(dt, pid)
setorder(dt, pid, sampledate, -testisx, -completefields, na.last=TRUE)
dts=unique(dt)

 > dts
   pid sampledate age    sex test completefields testisx
1:  a1 2014-11-17  10 female    x              5    TRUE
2:  b1 2014-11-01  43 female    x              5    TRUE
3:  c1 2014-11-05   2   male    x              5    TRUE