下标越界错误数据表

Question

我有一个简单的数据帧如下：

hai_dispense_number hai_atc date_of_claim hai_age 
1     tom A10A 2011-11-01  42 
2     tom A10B 2011-11-01  42 
3     tom G10R 2011-11-01  42 
4     tom A10A 2012-02-02  42 
5     tom A10A 2012-04-03  42 
6     mary A10A 2012-02-02  36 
7     mary A10A 2012-03-02  36 
8     mary G123 2012-03-02  36 
9     mary E123 2012-05-02  36 
10    mary T123 2012-07-02  36 
11    mary A10A 2012-08-02  43 
12     sue GR123 2012-03-02  43 
13     sue GR123 2012-03-08  43 
14     sue GR123 2012-09-03  43 
15     sue GR123 2012-10-01  43 
16     sue GR123 2012-03-02  43 
17     pat A10A 2012-01-02  52 
18     pat GR123 2011-11-12  52 
19     pat A10A 2012-03-03  52 
20     pat GR123 2012-01-01  52 
21     pat A10A 2012-05-06  52 

我想孤立的人谁只能从2012-01-01开始了代码A10A，而不是在2011年有是上述数据框架中的一些人在任何阶段都没有代码A10A，所以我想摆脱它们。所以最后，我想只有拍拍和玛丽的数据。这里是我如何做到这一点：

第1步：分配“索引日期”。换句话说，2012年，有人拿到了代码A10A

dt2<- data.table(dff,key=c('hai_dispense_number','date_of_claim')) 
dt2[,date_of_claim := as.Date(date_of_claim)] 
dt2[grepl('^A10A*?', as.character(dt2$hai_atc))& between(date_of_claim,as.Date("2012-01-01"),as.Date("2012-12-31")), 
    index := as.character(min(date_of_claim)) 
    , by=c('hai_dispense_number','hai_atc')] # 
dt2$index<-as.Date(dt2$index, origin='1970-01-01') 
dt2$hai_atc<-as.character(dt2$hai_atc) 

步骤2中的第一次约会：创建索引日期产生了一些NA对于未A10A或2012-01发生前行中的值。我需要用每个人的唯一索引日期来填写这个NA值。此代码通常工作，但原因与这些数据，我不断收到一个错误

dt2[, index := index[!is.na(index)][[1]], by=hai_dispense_number] ##gives the index date for each person to each of their individual rows of data 

Error in index[!is.na(index)][[1]] : subscript out of bounds 

步骤3，4和5：我通常可以从这里遵循，并找出谁在2011年有一个代码A10A和然后排除它们。但是我的过程被上述错误中断。

我看着这个页面：Subscript out of bounds - general definition and solution?并尝试运行他们推荐的测试：但它看起来不像我有变量索引额外的行。也许我没有正确测试。

如果任何人都可以解释为什么上述情况发生，我会非常感激。谢谢！

Answer 1

通过使用any函数，您可以更轻松地实现所需功能。使用any(hai_atc=="A10A")，您为A10A和!any(hai_atc=="A10A" & year(date_of_claim) == 2011)的所有人创建了一个逻辑向量，您将在2011年更新那个拥有该代码的人的出价，即FALSE。随着[idx==TRUE]你过滤你需要的情况下并[,idx:=NULL]您删除idx柱：

newDT <- DT[, idx := any(hai_atc=="A10A") & !any(hai_atc=="A10A" & year(date_of_claim) == 2011), 
      by = hai_dispense_number 
      ][idx==TRUE][,idx:=NULL] 

这导致：

> newDT 
    hai_dispense_number hai_atc date_of_claim hai_age 
1:    mary A10A 2012-02-02  36 
2:    mary A10A 2012-03-02  36 
3:    mary G123 2012-03-02  36 
4:    mary E123 2012-05-02  36 
5:    mary T123 2012-07-02  36 
6:    mary A10A 2012-08-02  43 
7:     pat A10A 2012-01-02  52 
8:     pat GR123 2011-11-12  52 
9:     pat A10A 2012-03-03  52 
10:     pat GR123 2012-01-01  52 
11:     pat A10A 2012-05-06  52 

---

在回答您的评论：您可能需要使用单方括号（即：[ ]），如dt2[, index := index[!is.na(index)][1], by=hai_dispense_number]。此外，你的代码可以简化为：

dt2 <- data.table(mydf,key=c('hai_dispense_number','date_of_claim')) 
dt2[, date_of_claim := as.Date(date_of_claim)] 
dt2[grepl('^A10A*?', hai_atc) & between(date_of_claim, as.Date("2012-01-01"), as.Date("2012-12-31")), 
    index := min(date_of_claim), by=.(hai_dispense_number,hai_atc)] 

dt2[, index := index[!is.na(index)][1], by=hai_dispense_number] 

然而，这给并不像你所描述的结果：

> dt2 
    hai_dispense_number hai_atc date_of_claim hai_age  index 
1:    mary A10A 2012-02-02  36 2012-02-02 
2:    mary A10A 2012-03-02  36 2012-02-02 
3:    mary G123 2012-03-02  36 2012-02-02 
4:    mary E123 2012-05-02  36 2012-02-02 
5:    mary T123 2012-07-02  36 2012-02-02 
6:    mary A10A 2012-08-02  43 2012-02-02 
7:     pat GR123 2011-11-12  52 2012-01-02 
8:     pat GR123 2012-01-01  52 2012-01-02 
9:     pat A10A 2012-01-02  52 2012-01-02 
10:     pat A10A 2012-03-03  52 2012-01-02 
11:     pat A10A 2012-05-06  52 2012-01-02 
12:     sue GR123 2012-03-02  43  <NA> 
13:     sue GR123 2012-03-02  43  <NA> 
14:     sue GR123 2012-03-08  43  <NA> 
15:     sue GR123 2012-09-03  43  <NA> 
16:     sue GR123 2012-10-01  43  <NA> 
17:     tom A10A 2011-11-01  42 2012-02-02 
18:     tom A10B 2011-11-01  42 2012-02-02 
19:     tom G10R 2011-11-01  42 2012-02-02 
20:     tom A10A 2012-02-02  42 2012-02-02 
21:     tom A10A 2012-04-03  42 2012-02-02 

为什么你没有得到你的代码预期结果的原因是你并不排除2011年有A10A的组。any功能专门用于实现您所描述的逻辑操作。

此外，通过使用any函数，您可以以更简单的方式实现所需的结果。这也适用于更复杂的数据集。这也是不使用grepl内any一个问题：

newDT2 <- DT[, idx := any(grepl('^A10A*?', hai_atc)) & !any(grepl('^A10A*?', hai_atc) & year(date_of_claim) == 2011), 
      by = hai_dispense_number 
      ][idx==TRUE][,idx:=NULL] 

可以得到相同的结果：

> identical(newDT, newDT2) 
[1] TRUE