在R中有重复的情况下保存最近的观测

Question

我有以下数据。

  date                         var1    level       score_1     score_2
   2020-02-19 12:10:52.166661    dog      n1           1           3
   2020-02-19 12:17:25.087898    dog      n1           3           6
   2020-02-19 12:34:27.624939    dog      n2           4           3
   2020-02-19 12:35:50.522116    cat      n1           2           0
   2020-02-19 12:38:49.547181    cat      n2           3           4

对于任何组合var1 & level，都应该有一个观察结果。我想消除重复，只保留最近的记录。在前面的例子中，第一行应该被删除，因为第2行中的犬类N1是最近的。然而，我想保留第3行，即使var1也等于“狗”，因为级别不同。

所以，我想要的是：

  date                         var1    level       score_1     score_2
   2020-02-19 12:17:25.087898    dog      n1           3           6
   2020-02-19 12:34:27.624939    dog      n2           4           3
   2020-02-19 12:35:50.522116    cat      n1           2           0
   2020-02-19 12:38:49.547181    cat      n2           3           4

Answer 1

使用tidyverse

df %>%
group_by(var1, level) %>%
filter(date == max(date)) %>%
ungroup()

Answer 2

在基数R中，使用duplicated。看起来您的数据已经按日期排序了，所以您可以使用

df[!duplicated(df[c("var1", "level")], fromLast = TRUE), ]

(默认情况下，duplicated将为任何事情的第一次出现提供FALSE，而对于其他每一次事件，则提供TRUE。设置fromLast = TRUE将使方向相反，因此最后一次出现的情况保持不变)

如果您不确定您的数据是否已经排序，请先排序！

df = df[order(df$var1, df$level, dfd$date), ]

Answer 3

您还可以按照以下方式使用data.table方法：

library(data.table)
setDT(df)[, .SD[which.max(date)], .(var1, level)]