我正在使用一个包含大约400个独特主题的数据集。对于本示例，我将只处理两个。您可以使用以下代码生成示例数据:
set.seed(100)
library(tidyr)
library(dplyr)
Subject<-c("A","A","A","A","A","A","B","B","B","B")
Event1<-c("01/01/2001","01/01/2001","01/01/2001","01/01/2001","09/09/2001","09/09/2001","09/09/2009","09/09/2009","09/09/2009","09/09/2009")
random.dates<-function(N,sd="2001-01-01",ed="2010-01-01"){
sd<-as.Date(sd,"%Y-%m-%d")
ed<-as.Date(ed,"%Y-%m-%d")
dt<-as.numeric(difftime(ed,sd))
ev<-sort(runif(N,0,dt))
rt<-sd+ev
}
Event1<-as.Date(Event1,"%m/%d/%Y")
Event1
Event2<-print(random.dates(10))
df<-data.frame(Subject,Event1,Event2)
df
并产生接近此输出输出的内容:
Subject Event1 Event2
1 A 2001-01-01 2001-05-04
2 A 2001-01-01 2001-09-24
3 A 2001-01-01 2002-10-22
4 A 2001-01-01 2003-02-25
5 A 2001-09-09 2007-07-16
6 A 2001-09-09 2008-04-06
7 B 2009-09-09 2008-07-12
8 B 2009-09-09 2008-07-24
9 B 2009-09-09 2009-04-01
10 B 2009-09-09 2009-09-11
在这种情况下，我有兴趣首先将具有唯一Event1的唯一Subjects分组，我可以很容易地做到这一点。从那里，我需要为那个唯一的Subject-Event1组合选择最接近Event1的Event2，我确实需要帮助。对于此示例，这些数据应分解为3个不同的记录:
Subject Event1 Event2
1 A 2001-01-01 2001-05-04
2 A 2001-09-09 2008-04-06
3 B 2009-09-09 2009-09-11
我已经杰里操纵了一个解决方案，以产生Subject-Event1组合的3条记录:
df2<-df
df2$SubEv<-paste(df2$Subject,df2$Event1)
df2$Event1<-NULL
df2$Subject<-NULL
df2$Event2<-NULL
df2<-unique(df2)
df2<-separate(df2,SubEv,c("Subject","Event1"),sep=" ")
从这里开始，我迷失了如何从df中选择R作为最接近Event1的Event2的日期。
我已经知道我的代码效率极低且草率(可能是因为我一开始就采用这种方法)。我想知道如何做到这一点(老实说)，并且如果有办法可以调用少于10行的代码，那将是相当不错的。
最佳答案
使用dplyr:
library(dplyr)
df %>%
group_by(Subject, Event1) %>%
slice(which.min(abs(Event1 - Event2)))
# Subject Event1 Event2
# (chr) (date) (date)
# 1 A 2001-01-01 2001-07-05
# 2 A 2001-09-09 2004-05-02
# 3 B 2009-09-09 2008-04-24
评论:
group_by可以与多个列一起使用。slice选择组中的行号。交替...... %>% filter( row_number() == which.min(abs(Event1 - Event2)) )
对于平局，
which.min将返回第一个min。有关详细信息，请参见?which.min。数据:运行OP的代码时，我得到的
df看起来像 Subject Event1 Event2
1 A 2001-01-01 2001-07-05
2 A 2001-01-01 2002-07-14
3 A 2001-01-01 2003-04-27
4 A 2001-01-01 2003-10-09
5 A 2001-09-09 2004-05-02
6 A 2001-09-09 2005-03-21
7 B 2009-09-09 2005-05-10
8 B 2009-09-09 2005-12-02
9 B 2009-09-09 2005-12-21
10 B 2009-09-09 2008-04-24
这就解释了为什么我的结果与OP的预期结果不完全匹配的原因。