R语言:按参与者ID提取其最早调查日期对应的唯一数据行
提取每名参与者最早调查记录的实现方案
需求说明
现有数据集覆盖200名参与者,每人对应25条调查记录,需要生成仅保留每名参与者最早完成的1条调查记录的新数据集,最终输出共200行。
最初尝试写的实现逻辑伪代码:
newdataset <- distinct(mydataframe, ID, .keepall = True, where row selected = min(surveydate))
注:
distinct()函数本身没有内置按字段筛选目标行的参数,无法直接按上述伪代码的逻辑运行,需要调整实现方式。
现有数据结构示例
| 参与者ID | 调查日期 | 每周测试得分相关列 |
|---|---|---|
| 1 | 2019年1月1日 | 8 |
| 1 | 2019年1月7日 | 19 |
| 1 | 2019年1月14日 | (后续剩余22行同ID记录) |
| 2 | 2019年4月29日 | 16 |
| 2 | 2019年5月6日 | 6 |
| 2 | 2019年5月13日 | 4 |
| (其余198名参与者均匹配25行记录) | - | - |
可直接运行的实现代码
前置准备
- 加载dplyr工具包,提供数据处理的函数支持
- 必须把字符串格式的调查日期转成标准日期类型,避免按字符串排序出现日期判断错误的问题:
# 加载dplyr工具包 library(dplyr) # 转换日期格式,匹配示例中"月 日 年"的文本格式 mydataframe <- mydataframe %>% mutate(SurveyDate = as.Date(SurveyDate, format = "%b %d %Y"))
方案1:排序后取每组首行(最稳定)
newdataset <- mydataframe %>% # 按参与者ID分组,同ID下按调查日期从早到晚排序 arrange(ID, SurveyDate) %>% group_by(ID) %>% # 取每个分组的第一行,即该ID最早的调查记录 slice_head(n = 1) %>% ungroup()
这个方案不会因为同ID下存在多笔相同最早日期的记录出现行数超标的问题,最终输出严格为200行。
方案2:直接筛选匹配最早日期的行
newdataset <- mydataframe %>% group_by(ID) %>% # 筛选每个ID下日期等于最早日期的记录 filter(SurveyDate == min(SurveyDate)) %>% ungroup()
提示:如果存在同一个ID下有多条完全相同的最早日期记录,这个方法会保留所有匹配行,可能导致最终行数超过200,需根据实际数据情况补充去重规则。
最终输出效果示例
| 参与者ID | 调查日期 | 每周测试得分相关列 |
|---|---|---|
| 1 | 2019年1月1日 | 8 |
| 2 | 2019年4月29日 | 16 |
| (其余198名参与者的最早记录,总计200行) | - | - |
内容的提问来源于stack exchange,提问作者jenny9
相关产品推荐
相关产品推荐

