在时间序列中，当个体具有不同的长度时，如何对个体的最后观察进行子集

Question

我有这样一个数据框架：

>data
  ID  Location Sex   Time  Var1  Var2  Var3  Var4  Var5  Var6
   12     A     M     .1    …      …     …     …     …     … 
   12     A     M     .2    …      …     …     …     …     … 
   12     A     M     .3    …      …     …     …     …     … 
   12     A     M     .4    …      …     …     …     …     …
   12     A     M     .5    …      …     …     …     …     … 
   12     A     M     .6    …      …     …     …     …     … 
   234    A     M     .1    …      …     …     …     …     … 
   234    A     M     .2    …      …     …     …     …     … 
   234    A     M     .3    …      …     …     …     …     … 
   234    A     M     .4    …      …     …     …     …     … 
   234    A     M     .5    …      …     …     …     …     …  

有几百个人，每个人都有一个唯一的ID号。每个人的数据都是时间序列数据。在实际数据中，每个人有几百个测量值。例如，在上面的例子中，对于个人12只有6个观察，对于个人234只有5个观察。实际上，个人12可以有980个观察，个人234可以有1249个观察。

我可以为每个人创建一个包含第一行(第一次观察)的数据框架，如下所示：

library(tidyverse)
FirstPt<-
data%>%
group_by(ID)%>%
slice(1)

然后，我可以使用pivot_longer()重新排列数据，就像我需要的那样：

FirstPt<-
FirstPt%>%
pivot_longer(MgCa:PbCa, names_to = "Variable")

我想对每个人的最后一个观察做同样的事情，但是当他们都有不同的长度时，我该如何做呢？

此外，我如何将'pivot_longer()‘命令合并到FirstPt<-data%>%group_by(ID)%>%slice(1)中，以便在一个块中完成所有操作？

Answer 1

对于最后一个观察，我们可以使用n()而不是1

library(dplyr)
library(tidyr)
data %>%
  group_by(ID)%>%
  slice(n()) %>%
  pivot_longer(cols =  MgCa:PbCa, names_to = "Variable")

或使用filter

data %>%
  group_by(ID) %>%
  filter(row_number() == n())