在R中操作数据帧

我有一个像这样的数据框

   ID       DATE         TS_EVENT              X   Y  Z
ID0026A  2013-01-03 2013-01-03 8:31:09 PM     25   0  0
ID0026A  2013-01-03 2013-01-03 8:31:09 PM      0   0  0
ID0026A  2013-01-03 2013-01-03 11:22:55 PM     0   0  0
ID0026A  2013-01-03 2013-01-03 11:36:05 PM     0   0  0
ID0026A  2013-01-03 2013-01-03 11:36:05 PM     0   0  0
ID0026A  2013-03-27 2013-01-03 11:36:05 PM   100 354 25

现在我想返回一个数据帧，它将有四列ID、DATE、X、Y和Z。但是列“ID”将包含唯一的ID，DATE将包含该ID的最新日期，其余的列将具有对应于该特定ID的最新时间戳（TS_事件）的值

例如，在这种情况下，对于ID0026A，数据帧应该如下所示

   ID       DATE       X   Y  Z
ID0026A  2013-03-27    0   0  0
ID0026A  2013-01-03  100 354 25

我的数据帧包含120万条记录和6000个唯一ID

注：ID的str为字符，日期的str为日期，TS_事件的str为字符，其余为数字

因此，首先我想将TS_事件转换为日期时间对象，然后创建所需的数据帧

---

我怎样才能在R中做到这一点？

我希望这会有所帮助，但因为您有120万行数据。表会更好

library(plyr)
ddply(df,~ID,function(x){x[x$DATE==max(x$DATE),]})

---

关于数据的大小，我将使用

data.table

解决方案

如果您的数据已排序：

library(data.table)
DT <- as.data.table(dat)
DT[,tail(.SD,1),'ID']
# ID       DATE   X   Y  Z
# 1: ID0026A 2013-03-27 100 354 25

PS:dat是：

dat <- read.table(text=" ID       DATE       X   Y  Z
ID0026A  2013-01-03    25   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-03-27   100 354 25",header=T)

---

使用dplyr软件包，您可以轻松地做到这一点，如下所示：

x <- data.frame(ID=c(1,2,2), DATE=c("2012-01-03","2013-03-01","2013-03-02"), X=c(4,5,6))
df <- group_by(x,ID)
summarise(df, date=DATE[which.max(DATE)], X=X[which.max(DATE)])

df$TS_EVENT <- as.POSIXct(df$TS_EVENT, format="%Y-%m-%d %I:%M:%S %p", tz="UTC")

编辑： TS_事件到日期时间对象的转换可以如下所示：

x <- data.frame(ID=c(1,2,2), DATE=c("2012-01-03","2013-03-01","2013-03-02"), X=c(4,5,6))
df <- group_by(x,ID)
summarise(df, date=DATE[which.max(DATE)], X=X[which.max(DATE)])

df$TS_EVENT <- as.POSIXct(df$TS_EVENT, format="%Y-%m-%d %I:%M:%S %p", tz="UTC")

---

df$TS_事件如果日期按升序排列，则可以使用：

dat[!duplicated(dat$ID, fromLast = TRUE), ]

以下是三种方法：

df <- read.table(header=T, text="ID       DATE       X   Y  Z
ID0026A  2013-01-03    25   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-03-27   100 354 25
ID0026B  2013-12-03     0   1  1
ID0026B  2013-11-03     0   0  0", colClasses=c("factor", "Date", rep("integer", 3)))

aggregate(df[order(df$DATE), ], list(df$ID), tail, 1)[-1]

library(dplyr)
df %.% 
  arrange(DATE) %.% 
  group_by(ID) %.%  
  filter(DATE == tail(DATE, 1))

library(data.table)
dt <- data.table(df, key=c("DATE"))
dt[, last(.SD), by="ID"]

df我收到错误
error:需要一个值
是因为我有X、Y和Z列。如果我有3列，代码将如何更改？最新日期是唯一的还是我们可以有更多行有最新日期？是的，因此，我应该这样说：我们将考虑这个ID的最后日期。抱歉错过这个点，你可以使用<代码> df%.%GROPYBY（ID）%.%筛选器（Deal= = Deal[1]（Max（日期）））< /代码>你可以发布完整的代码吗？我是RNote的新手，
Date==tail（Date，1）
将返回所有匹配项，其中as
last（.SD）
将只给出每个
ID
的最后一行。如果最晚的日期出现不止一次怎么办？也就是说，在您的示例中，如果有另一行ID=ID0026A，日期=2013-03-27，X，Y，Z=1，那么是否要输出日期=2013-03-27的两行？您的示例（必需结果）与您的问题不符。ID不唯一，并且日期不是该ID的最新日期（有两个不同的日期）。至于TS_事件到日期时间对象的转换，您可以在我（原始）的回复中看到如何进行。@Arun感谢您指出！我相应地修改了我的答案。
df <- read.table(header=T, text="ID       DATE       X   Y  Z
ID0026A  2013-01-03    25   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-01-03     0   0  0
ID0026A  2013-03-27   100 354 25
ID0026B  2013-12-03     0   1  1
ID0026B  2013-11-03     0   0  0", colClasses=c("factor", "Date", rep("integer", 3)))

aggregate(df[order(df$DATE), ], list(df$ID), tail, 1)[-1]

library(dplyr)
df %.% 
  arrange(DATE) %.% 
  group_by(ID) %.%  
  filter(DATE == tail(DATE, 1))

library(data.table)
dt <- data.table(df, key=c("DATE"))
dt[, last(.SD), by="ID"]