根据 R 中多列的条件消除重复项

Question

这是我的数据集：

df <- data.frame(PatientID = c("3454","3454","3454","345","345","345"), date = c("05/01/2001", "02/06/1997", "29/03/2004", "05/2/2021", "01/06/1960", "29/03/2003"),
                 infarct1 = c(TRUE, NA, TRUE, NA, NA, TRUE),infarct2 = c(TRUE, TRUE, TRUE, TRUE, NA, TRUE,  stringsAsFactors = F)

基本上我只需要保留 1 个患者 ID（又名，消除重复的 PatientID），基于最近的梗塞（最后 infarct==TRUE [但任何类型的梗塞] 基于 date).

所以我想要的结果如下：

 df <- data.frame(PatientID = c("3454","345"), date = c("29/03/2004", "05/2/2021"),
                     infarct = c(TRUE,TRUE), stringsAsFactors = F)

希望这是有道理的。

谢谢

Answer 1

可以将日期转为日期class，arrange数据按PatientID和date得到最后一个日期infarct = TRUE。

library(dplyr)

df %>%
  mutate(date = lubridate::dmy(date)) %>%
  arrange(PatientID, date) %>%
  group_by(PatientID) %>%
  summarise(date = date[max(which(infarct))], 
            infract = TRUE)

#  PatientID date       infract
#  <chr>     <date>     <lgl>  
#1 345       2003-03-29 TRUE   
#2 3454      2004-03-29 TRUE

对于多列，获取长格式的数据。

df %>%
  mutate(date = lubridate::dmy(date)) %>%
  tidyr::pivot_longer(cols = starts_with('infarct')) %>%
  arrange(PatientID, date) %>%
  group_by(PatientID) %>%
  slice(max(which(value))) %>%
  ungroup

#  PatientID date       name     value
#  <chr>     <date>     <chr>    <lgl>
#1 345       2021-02-05 infarct2 TRUE 
#2 3454      2004-03-29 infarct2 TRUE

数据

我认为您需要在 date 列中的数据周围加上引号。

df <- data.frame(PatientID = c("3454","3454","3454","345","345","345"), 
                 date = c("05/01/2001", "02/06/1997", "29/03/2004", "05/2/2021", "01/06/1960", "29/03/2003"),
                 infarct = c(TRUE, NA, TRUE, NA, NA, TRUE), stringsAsFactors = FALSE)

Answer 2

试试这个：

library(dplyr)

df <- df %>% 
  mutate(infarct = infarct1 | infarct2) %>%
  filter(infarct == TRUE) %>%
  group_by(PatientID, infarct) %>%
  summarise(date=max(date))

创建 infarct 变量。
过滤真正的梗塞。
组。
找最后一次。

根据 R 中多列的条件消除重复项

Eliminate duplicates based on conditions from several columns in R

r

conditional-formatting

duplicates

conditional-statements