R语言按id因子分组提取每组最早日期对应行的实操问题

原有代码问题分析 #

• 仅使用mutate(fch = min(fch))只会将分组内所有行的日期统一替换为组内最早日期，没有做行筛选，最终仍会返回全部15行数据，不符合提取单行的需求
• 管道操作中不需要额外指定data$fch，直接引用列名即可，否则会调用原始全量数据的列，容易出现逻辑错误

修正后可直接运行的代码 #

推荐使用dplyr内置的slice_min()函数实现，代码简洁且符合需求：

library(dplyr)

DF1 <- data %>%
  # 将字符日期转为日期格式
  mutate(fch = as.Date(fch, format = "%d/%m/%Y")) %>%
  # 按id分组
  group_by(id) %>%
  # 提取每组日期最小的1行，with_ties=FALSE表示若有多个相同最早日期仅取第一行，匹配你的预期结果
  slice_min(fch, n = 1, with_ties = FALSE) %>%
  # 若需要保留原始的日/月/年字符串格式可保留此行，不需要直接删除即可
  mutate(fch = format(fch, "%d/%m/%Y")) %>%
  ungroup()

逻辑等价的filter实现方案（方便理解原理） #

如果你想更清晰理解筛选逻辑，可以用filter写法：

library(dplyr)

DF1 <- data %>%
  mutate(fch = as.Date(fch, format = "%d/%m/%Y")) %>%
  group_by(id) %>%
  # 筛选出日期等于组内最小日期的行
  filter(fch == min(fch)) %>%
  # 若有多个重复最早日期仅保留第一行
  slice(1) %>%
  mutate(fch = format(fch, "%d/%m/%Y")) %>%
  ungroup()

两种方案运行后得到的DF1和你给出的预期data_result完全一致。

内容的提问来源于stack exchange，提问作者Cebs