通过R data.table中的ID删除重复的行，但从另一列添加具有连接日期的新列 [英] Remove duplicated rows by ID in R data.table, but add a new column with the concatenated dates from another column

问题描述

我有一个大的患者数据数据表。我想删除id重复的行，而不会丢失日期列中的信息。

  id date 
 01 2004-07-01 
 02 NA 
 03 2013-11 -15 
 03 2005-03-15 
 04 NA 
 05 2011-07-01 
 05 2012-07-01 
  

我可以用以下两种方法之一 -

1. 创建一个列，用于写入日期列值以连接该ID的所有日期，例如：

     id date_new 
    01 2004-07-01 
    02 NA 
    03 2013-11-15; 2005-03-15 
    04 NA 
    05 2011-07-01; 2012-07-01 
     
    

>

2. 为每个额外的日期创建一个新列，例如：

     id date_new date_new2 
    01 2004-07-01 NA 
    02 NA NA 
    03 2013-11-15 2005-03-15 
    04 NA NA 
    05 2011-07-01 2012-07-01 
     

我试过几个东西，但他们继续崩溃我的R会话（我得到消息 R会话中止。R遇到一个致命错误。会话终止。）：

  setkey（DT，id）
 unique_DT <子集（唯一（DT））
  

和：

  DT [！duplicate（DT [，id，with = FALSE]）] 
  

但是，除了崩溃R之外，这些解决方案都不能满足我想要的日期。

有什么想法吗？我是新的数据表（和R一般），但我有模糊的意义，我可以解决这个与：= 某种方式。

解决方案

尝试：

  dt [，c（date_new = paste （date，collapse =;），。SD），by = id] 
  

I have a large data table of patient data. I want to delete rows where "id" is duplicated without losing the information in the "date" column.

id  date
01  2004-07-01
02  NA
03  2013-11-15
03  2005-03-15
04  NA
05  2011-07-01
05  2012-07-01

I could do this one of two ways -

1. create a column that writes over the date column values to concatenate all the dates for that ID, i.e.:

   id  date_new
   01  2004-07-01
   02  NA
   03  2013-11-15; 2005-03-15
   04  NA
   05  2011-07-01; 2012-07-01
   

or

2. create one new column for each additional date, i.e.:

   id  date_new    date_new2
   01  2004-07-01  NA
   02  NA          NA
   03  2013-11-15  2005-03-15
   04  NA          NA
   05  2011-07-01  2012-07-01
   

I have tried a few things, but they keep crashing my R session (I get the message R Session Aborted. R encountered a fatal error. The session was terminated.):

setkey(DT, "id")
unique_DT <- subset(unique(DT))

and:

DT[!duplicated(DT[, "id", with = FALSE])]

However, besides crashing R, neither of these solutions does what I want with the dates.

Any ideas? I am new to data table (and R generally) but I have the vague sense that I could solve this with := somehow.

解决方案

Try this:

dt[,c(date_new=paste(date,collapse="; "),.SD),by=id]

这篇关于通过R data.table中的ID删除重复的行，但从另一列添加具有连接日期的新列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！