Question

我有一个像这样的数据框：

       a   b      c       d       e    f   g  
 1     Car 10/02  01/02   30/02   14   1   NA
 2     Car 10/02  07/02   20/02    0   NA   7

我想得到：

       a   b      c       d       e    f   g  
 1     Car 10/02  01/02   20/02   14   1   7

像（a，b）一样，为c和d选择最短日期，为e选择最大日期，为f和g选择非null

如何在R中解决它？

Answer 1

使用data.table。我必须更改您的约会日期之一，因为2月30日没有时间

    x <-  data.frame( 
     a= c( "Car","Car"), b=c("10/20","10/20"), c=c("01/02","07/02"),d=c("28/02","20/02"), e=c(14,0), f=c(1, NA), g=c(NA,7)) 

     library( data.table) # you may need to install
     x <- data.table( x )

#convert to dates
     x$c <- as.Date(x$c, "%d/%m")
     x$d <- as.Date(x$d, "%d/%m")

# group as you specfied
     x[ ,

         .(
             c = min( c ),
             d = min( d ),
             e = max( e ),
             f= max( f , na.rm=T),
             g= max( g , na.rm=T)
         ) ,

     by= c( "a","b")
     ]

Answer 2

使用dplyr，我们可以group_by a和b，使用c将d和dmy转换为实际日期， lubridate并选择最短日期，选择max的最大值e和非NA值f和g。

library(dplyr)
library(lubridate)

df %>%
  group_by(a, b) %>%
  summarise(c = c[which.min(dmy(paste0(c, "/19")))], 
             d = d[which.min(dmy(paste0(d, "/19")))], 
             e = max(e), 
             f = f[!is.na(f)], 
             g = g[!is.na(g)])

#   a     b     c     d         e     f     g
#  <fct> <fct> <fct> <fct>   <dbl> <int> <int>
#1 Car   10/02 01/02 20/02    14     1     7

如示例中所示，假设f和g仅具有一个非NA值，如果您有多个，则使用which.max选择第一个这些列中的非NA值。

Answer 3

使用库dplyr，假设您的数据框为df。首先是将NA替换为0

df[is.na(df)] <- 0 # you can now directly take sum of f and g column in group by
library(dplyr)
df_1 <- df %>% group_by(a,b) %>% summarise(c = min(c),d = min(d),e = max(e),f = sum(f),g = sum(g))

R脚本合并2行

3 个答案: