4

我有以下数据框 DF，描述了在某些日期从事项目工作的人：

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

目标是找到每个 ID 对应的第一个项目。例如，预期的输出如下：

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，我已完成以下操作以获取每个 ID 的第一个 StartDate：

sub <- ddply(DF, .(ID), summarise, st = min(as.POSIXct(StartDate)));

在此之后，我需要将 sub 中的每一行与原始 DF 匹配，并提取与该 ID 和 StartDate 对应的项目。这可以在 sub 中的每一行循环中完成。但是，我的数据集非常大，我想知道是否有一种有效的方法来进行这种匹配并从 DF 中提取这个子集。

4

4 回答 4

7

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'))

请注意，我已经修改了您的数据，在末尾添加了另一个元素，因此不再对日期进行排序。因此输出不同。

d <- as.data.table(DF)

# Order by StartDate and take the first ID.
# Assumes that your dates are month/day/year.

d[order(as.POSIXct(StartDate, format="%m/%d/%y %H:%M"))][,.SD[1,],by=ID]
##    ID ProjectName    StartDate
## 1:  1      Health 1/1/06 11:10
## 2:  2   Education 2/1/07 15:30
## 3:  3    Wellness 4/1/10 12:00

如果您的日期已经排序（如在您的示例中），这就足够了：

d[,.SD[1,],by=ID]
于 2013-04-27T21:00:37.570 回答
7

这使用起来相当简单，match因为match返回：

一个向量，它的第一个参数的第一个匹配的位置在它的第二个中

因此，您需要做的就是按日期排序，然后用于unique获取每个 ID 的一个实例并match找到第一个位置。感谢@MatthewLunberg 提供了可重现的数据示例：

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

一个优点是它在使用之前保留了原始数据帧的行号。我不知道这对你是否有用。

于 2013-04-27T21:30:10.860 回答
2

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

结果是

  ID PRJ               START
1  1   H 2006-01-03 18:20:00
2  2   E 2007-01-02 15:30:00
3  3   W 2010-01-04 12:00:00

但是，@SimonO101 的订单匹配解决方案比这快得多。

只是为了好玩，这里还有另一个解决方案sqldf：

sqldf("select * from dat group by ID having START=min(START)")
于 2013-04-27T20:24:39.540 回答
1

为了完善它，这是一个基于plyr包的解决方案。我添加了一个额外的列，以便更容易textConnection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, ])
于 2013-04-28T07:04:40.030 回答