dplyr不同列值sql

我将dplyr与PostgreSQL数据库结合使用，这使得我很难复制一个示例。无论如何，我想使用distinct函数过滤掉混乱的数据，即重复的时间戳。到目前为止，我已经：

db <- src_postgres(dbname = "a", host = "b", port = 1234,
                   user = "c")

measurements <- tbl(adres_db, "measurement")

sites <- group_by(measurements, site)

sites_clean <- filter(sites,
                      site < 38)

sites_clean <- distinct(sites_clean, timestamp)

P_stats <- summarise(
  sites_clean,
  count = n(),
  P = mean(p_sum)
)

collect(P_stats)

---

虽然这样做有效，但我觉得它并不像它可能的那么干净。此外，我还需要在PostgreSQL实例上尝试使用row_numbertimestamp==1的建议。

按时间戳分组，然后选择每个组的第一行？感谢您的提示，在阅读详细文档后，我尝试了几次，我发现我应该使用filtersites_clean，row_number==1而不是slice，但是我得到了一个RS-DBI驱动程序：无法检索结果：错误：column measurement.site必须出现在GROUP BY子句中，或者在聚合函数行3中使用：FROM SELECT site，timestamp，count*AS count，AVG…您需要行号，因为DB没有顺序的概念，只是一个旁注：您可以使用dplyr的%>%运算符，这样您就不需要创建许多不同的数据版本/子集。

library(dplyr)

set.seed(1)

my_db <- src_sqlite("my_db.sqlite3", create = T)

meas <- data.frame(id = 1:30,
                   timestamp = sample(Sys.time() + c(1,2,3) * 3600,
                     size = 30, replace = TRUE),
                   site = sample(c(1, 2, 40), size = 30, replace = TRUE),
                   p_sum = rpois(30, 2))

meas_sqlite <- copy_to(my_db, meas, temporary = FALSE)

meas_tbl <- tbl(my_db, "meas")

P_stats <- group_by(meas_tbl, site, timestamp) %>%
  summarise(P = mean(p_sum)) %>%
  group_by(site) %>%
  filter(site < 38) %>%
  summarise(count = n(), P = mean(P))

collect(P_stats)