根据最近的日期选择行，同时满足R中的其他标准

Question

我有一个如下所示的数据集：

data <- read.table(text = "OID      Local_date      Dateincide      Join_Count      TARGET_FID      JOIN_FID        indiv_code      indiv_name      sex     month       year        treatment       perturbati      xx      yy      id_treatme      id_treat_1      lion_month      treatment_      OID_hc      DateRecord      Year_1      location        village     Longhomest      Lathomeste      Longitude       Latitude        Animalslos      Specieslos
3   2015-10-25  2008-01-15  1   127415  2   NGAaF1  Ngamo_Urchin    F   10  2015    E   A   547514.43970000000  7883074.46200000000 11  11E NGAaF1_10_2015  11E_NGAaF1_10_2015  3   19-02-08    2008    E   Nganyana    548505  7881998 547800  7883200 4   cattle
3   2016-01-18  2008-01-15  1   128429  2   NGAaF1  Ngamo_Urchin    F   1   2016    E   A   547461.30170000000  7882858.82600000000 11  11E NGAaF1_1_2016   11E_NGAaF1_1_2016   3   19-02-08    2008    E   Nganyana    548505  7881998 547800  7883200 4   cattle
3   2016-02-23  2008-01-15  1   128858  2   NGAaF1  Ngamo_Urchin    F   2   2016    E   A   547395.24460000000  7883056.29100000000 11  11E NGAaF1_2_2016   11E_NGAaF1_2_2016   3   19-02-08    2008    E   Nganyana    548505  7881998 547800  7883200 4   cattle
3   2015-10-25  2008-01-15  1   130659  2   NGAaF1  Ngamo_Urchin    F   10  2015    E   A   547514.43970000000  7883074.46200000000 12  12E NGAaF1_10_2015  12E_NGAaF1_10_2015  3   19-02-08    2008    E   Nganyana    548505  7881998 547800  7883200 4   cattle
3   2016-01-18  2008-01-15  1   131673  2   NGAaF1  Ngamo_Urchin    F   1   2016    E   A   547461.30170000000  7882858.82600000000 12  12E NGAaF1_1_2016   12E_NGAaF1_1_2016   3   19-02-08    2008    E   Nganyana    548505  7881998 547800  7883200 4   cattle
3   2016-02-23  2008-01-15  1   132102  2   NGAaF1  Ngamo_Urchin    F   2   2016    E   A   547395.24460000000  7883056.29100000000 12  12E NGAaF1_2_2016   12E_NGAaF1_2_2016   3   19-02-08    2008    E   Nganyana    548505  7881998 547800  7883200 4   cattle", header = TRUE)

每一行都是一个带有代码"OID"、"Local_date"、"Dateincide"和其他属性的记录。我有丢失的数据，现在不是编码为NA，而是空白。原始数据集很大，有120,000行和40列，这就是为什么我试图找到一个R代码，它将以最有效的方式执行以下操作：

我希望遍历OID值，并对共享相同OID的所有行查找"Dateincide"最接近"Local_date"的行。然后在一个名为"Keep/delete"的新列中为这些具有最近日期的行编写“保存”。

但是有一个条件:有些行将具有相同的OID，并且具有相同的"Local_date"，因此在某些情况下，似乎会有两个或更多的记录是相同的匹配。我希望保留所有这些匹配，而不仅仅是一次，因为它们根据"id_treat_1“列表示不同的记录。

我想要的输出如下(我已经简短地说明了这一点，但我也希望保留所有其余的列)：

OID Local_date  Dateincide  keep/delete id_treat_1
3   2015-10-25  2008-01-15  keep        11E
3   2016-01-18  2008-01-15  delete      11E 
3   2016-02-23  2008-01-15  delete      11E 
3   2015-10-25  2008-01-15  keep        12E 
3   2016-01-18  2008-01-15  delete      12E 
3   2016-02-23  2008-01-15  delete      12E 
13  2011-11-08  2008-02-14  keep        7E

因此，有两个具有相同OID= 3的记录被标记为“保持”，因为它们在"Local_date“中的日期与"Dateincide”最近，并且在"id_treat_1“列中有不同的值。在使用OID 13的记录中，选择了日期最近的行，而且只有一行，因为在"id_treat_1“列中没有另一个匹配项的值不同。

任何关于如何计算这个允许多个匹配的“保持/删除”列的帮助，以及如何处理丢失的数据，都将非常感谢！

Answer 1

您需要将您的日期转换为POSIXct，以便可以减去它们。然后可以使用dplyr创建“保持/删除”列。

library(dplyr)
data$Local_date <- as.POSIXct(data$Local_date,
                                format='%Y-%m-%d')
data$Dateincide <- as.POSIXct(data$Dateincide,
                                format='%Y-%m-%d')
data %>% 
  group_by(OID) %>% 
   mutate(keep.delete = 
        ifelse(Local_date - Dateincide == min(Local_date - Dateincide), 'keep', 'delete'))

#     OID Local_date Dateincide id_treat_1 keep.delete
#  (int)     (time)     (time)      (dbl)       (chr)
#1     3 2015-10-25 2008-01-15         11        keep
#2     3 2016-01-18 2008-01-15         11      delete
#3     3 2016-02-23 2008-01-15         11      delete
#4     3 2015-10-25 2008-01-15         12        keep
#5     3 2016-01-18 2008-01-15         12      delete
#6     3 2016-02-23 2008-01-15         12      delete

对于id_treat_1约束，可以将上述内容保存为新的数据框架(例如data3)，然后执行以下操作

data3$keep.delete[duplicated(data3)] <- 'delete'