R 根据不同的场景创建用于粘贴或删除元素的循环

假设我有以下数据集：

mydf <- data.frame( "MemberID"=c("111","0111A","0111B","112","0112A","113","0113B"),
                    "resign.date"=c("2013/01/01",NA,NA,"2014/03/01",NA,NA,NA))                                            

注：11111 2和113是家庭代表的ID

我想做两件事：

a如果我有一个家庭代表的辞职日期，例如在111的情况下，我想粘贴0111A和0111B的相同辞职日期，如果你想知道的话，这些代表111的配偶和子女 b如果我没有家族代表的辞职日期，例如113，我只想删除第113行和0113B行

我的结果数据框应如下所示：

mydf <- data.frame("MemberID"=c("111","0111A","0111B","112","0112A"),
                    "resign.date"=c("2013/01/01","2013/01/01","2013/01/01","2014/03/01","2014/03/01"))

提前谢谢

如果Dimit.date仅存在于某些MembersID中，且没有尾随字母，则使用data.table的解决方案

我们也可以使用tidyverse

---

您是否只有不带尾随字母的MemberID才有Dimit.date？@simone Yes Dimit.date仅适用于不带尾随字母的MemberID。在这种情况下，请查看下面的解决方案是否符合您的要求Yes它有效。我以前从未使用过data.table。您能告诉我第3行和第4行的作用是什么吗？另外，实际文件有一些不一致之处，例如，有时ID为“113”，配偶/子女ID为“0113A”和“0113B”。更好的代码可能是搜索113，并对带有尾随字母的ID执行粘贴和/或删除操作。我已经编辑了我的问题，我很高兴。你应该接受这个答案，如果这是我刚到这里后你的样子。你说的“接受答案”是什么意思？我是否只需点击“答案很有用”，因为我已经这样做了。要将答案标记为已接受，请点击答案旁边的复选标记，将其从灰色变为已填写。

library(data.table)

df <- data.table( "MemberID"=c("0111","0111A","0111B","0112","0112A","0113","0113B"),
                "resign.date"=c("2013/01/01",NA,NA,"2014/03/01",NA,NA,NA)) 

df <- df[order(MemberID)] ## order data : MemberIDs w/out trailing letters first by ID
df[, myID := gsub("\\D+", "", MemberID)] ## create myID col : MemberID w/out trailing letters

df[ , my.resign.date := resign.date[1L], by = myID] ##assign first occurrence of resign date by myID
df <- df[!is.na(my.resign.date)] ##drop rows if my.resign.date is missing

df <- data.table( "MemberID"=c("111","0111A","0111B","112","0112A","113","0113B"),
              "resign.date"=c("2013/01/01",NA,NA,"2014/03/01",NA,NA,NA)) 

df[, myID := gsub("(?<![0-9])0+", "", gsub("\\D+", "", MemberID), perl = TRUE)]
df <- df[order(myID, -MemberID)]

df[ , my.resign.date := resign.date[1L], by = myID]
df <- df[!is.na(my.resign.date)]

library(tidyverse)
mydf %>%
     group_by(grp = parse_number(MemberID)) %>% 
     mutate(resign.date = first(resign.date)) %>% 
     na.omit() %>% 
     ungroup() %>% 
     select(-grp)
# A tibble: 5 x 2
#   MemberID resign.date
#    <fctr>      <fctr>
#1     0111  2013/01/01
#2    0111A  2013/01/01
#3    0111B  2013/01/01
#4     0112  2014/03/01
#5    0112A  2014/03/01