R-保留由多个变量标识的每个组的第一个观察值(Stata等效值由var1 var2：Keep if_n==1&quot；) [英] R - Keep first observation per group identified by multiple variables (Stata equivalent "bys var1 var2 : keep if _n == 1")

问题描述

所以我目前在R中遇到了一个问题，我知道如何在Stata中处理，但在R中浪费了两个多小时才完成。

使用下面的data.Frame，我想要的结果是正好获得每个组的第一个观测值，而组是由多个变量组成的，必须按另一个变量进行排序，即数据。Frame mydata获得方式：

id <- c(1,1,1,1,2,2,3,3,4,4,4)
day <- c(1,1,2,3,1,2,2,3,1,2,3)
value <- c(12,10,15,20,40,30,22,24,11,11,12)
mydata <- data.frame(id, day, value)

应转换为：

   id day value   
   1   1    10 
   1   2    15 
   1   3    20 
   2   1    40 
   2   2    30 
   3   2    22 
   3   3    24 
   4   1    11 
   4   2    11 
   4   3    12 

只保留其中一行具有一个或多个重复的组标识符(此处仅row[1]: (id,day)=(1,1)))，首先对值进行排序(以便保留值最小的行)。

在Stata中，这只是：

bys id day (value): keep if _n == 1

我找到了一个piece of code on the web，如果我首先生成单个组标识符：

，它会正确地执行此操作

mydata$id1 <- paste(mydata$id,"000",mydata$day, sep="")  ### the single group identifier

myid.uni <- unique(mydata$id1)
a<-length(myid.uni)

last <- c()

for (i in 1:a) {
  temp<-subset(mydata, id1==myid.uni[i])
  if (dim(temp)[1] > 1) {
    last.temp<-temp[dim(temp)[1],]
  }
  else {
    last.temp<-temp
  }
  last<-rbind(last, last.temp)
}

last

但是，此方法有几个问题：
1.需要创建单个标识符(这很快就可以完成)。
2.与Stata中的一行代码相比，这似乎是一段繁琐的代码。
3.对于中等大小的数据集(低于100,000个观测值，以大约6个为一组)，此方法大约需要1.5个小时。

是否有与Stata的bys var1 var2: keep if _n == 1等效的有效工具？

推荐答案

我会订购data.frame，然后您可以使用by：

mydata <- mydata[with(mydata, do.call(order, list(id, day, value))), ]

do.call(rbind, by(mydata, list(mydata$id, mydata$day), 
                  FUN=function(x) head(x, 1)))

或者，查看"data.table"包。继续从上面排序的data.frame：

library(data.table)

DT <- data.table(mydata, key = "id,day")
DT[, head(.SD, 1), by = key(DT)]
#     id day value
#  1:  1   1    10
#  2:  1   2    15
#  3:  1   3    20
#  4:  2   1    40
#  5:  2   2    30
#  6:  3   2    22
#  7:  3   3    24
#  8:  4   1    11
#  9:  4   2    11
# 10:  4   3    12

---

或者从头开始，您可以按以下方式使用data.table：

DT <- data.table(id, day, value, key = "id,day")
DT[, n := rank(value, ties.method="first"), by = key(DT)][n == 1]

引申为基础R：

Ranks <- with(mydata, ave(value, id, day, FUN = function(x) 
  rank(x, ties.method="first")))
mydata[Ranks == 1, ]

这篇关于R-保留由多个变量标识的每个组的第一个观察值(Stata等效值由var1 var2：Keep if_n==1&quot；)的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！