选择值按行根据排名日期间

Question

比方说，我有一个数据帧有几行类似如下：

df <- data.frame(a = c(NA,20,NA), 
       date1 = c("2016-03-01", "2016-02-01", "2016-02-01"), 
       b = c(50,NA, NA), 
       date2 = c("2016-02-01", "2016-03-01", "2016-03-01"), 
       c = c(10,10, 10), 
       date3 = c("2016-01-01","2016-01-01", "2016-01-01")) 

对于每一行，我想这不是一个NA最新值在a,b,c之间根据dates（所以我分别看date1,date2或date3并选择最近的一个）。

基本上，date1给出对应于值a， date2日期给出对应于值b日期， date3给出对应于值c的日期。

如果date1 > date2 & date1 > date3，我将要采取的价值a 然而，如果该值a是NA（这是在我的例子的情况下），我会比较date2和date3。在我的示例中，date2 > date3以及因为值b不是NA而是50，因此我将采用50作为我的最终结果。

现在我想既然我使用dplyr在我的数据帧

所有行做到这一点，我尝试使用排序功能（在我的例子使用case_when功能，我期待一个第一排日期，然后看链接的价值。如果它是一个不适用的，我看看排名第二的等等......）

但是，我不能只是说，因为我想要做的， ：

df <- df %>% 
     mutate(result = case_when(is.na(a) & is.na(b) & is.na(c) ~ NA_integer_, 
            rev(rank(date1, date2, date3))[1] == 3 & !is.na(a) ~ a, 
            rev(rank(date1, date2, date3))[2] == 3 & !is.na(b) ~ b, 
            rev(rank(date1, date2, date3))[3] == 3 & !is.na(a) ~ c, 
            rev(rank(date1, date2, date3))[1] == 2 & !is.na(a) ~ a, 
            rev(rank(date1, date2, date3))[2] == 2 & !is.na(b) ~ b, 
            rev(rank(date1, date2, date3))[3] == 2 & !is.na(a) ~ c, 
            rev(rank(date1, date2, date3))[1] == 1 & !is.na(a) ~ a, 
            rev(rank(date1, date2, date3))[2] == 1 & !is.na(b) ~ b, 
            rev(rank(date1, date2, date3))[3] == 1 & !is.na(a) ~ c)) 

因为rank功能需要一个独特的向量作为参数（但我不能把c(date1, date2, date3)既不会因为它会给我这个向量的整个秩序，而不是每行的秩序）

在我的例子中，我想要的结果将是

res 

a date1   b  date2  c date3  result 
NA 2016-03-01 50  2016-02-01 10 2016-01-01 50 
20 2016-02-01 NA  2016-03-01 10 2016-01-01 20 
NA 2016-02-01 NA  2016-03-01 10 2016-01-01 10 

有没有人有一个想法，甚至完全不同的方法来解决这个问题？

Answer 1

我建议转换为长格式和计算相关的值。如果你愿意，你可以将结果添加到原始数据框中。这里是你如何使用data.table来做到这一点：

library(data.table) 
setDT(df)      # convert to data.table object 
df[, row := .I]    # add a row-id 
dflong <- melt(df, id = "row", measure = patterns("^date", "^(a|b|c)"), 
       na.rm = TRUE) # convert to long format 
setorder(dflong, value1)  # reorder by date value 
dflong <- unique(dflong, by = "row", fromLast = TRUE) # get the latest dates 
df[dflong, result := i.value2, on = "row"] # add result to original data 

df 
# a  date1 b  date2 c  date3 row result 
#1: NA 2016-03-01 50 2016-02-01 10 2016-01-01 1  50 
#2: 20 2016-02-01 NA 2016-03-01 10 2016-01-01 2  20 
#3: NA 2016-02-01 NA 2016-03-01 10 2016-01-01 3  10 

Answer 2

这里是一个办法做到这一点......

df$result <- apply(df, 1, function(x){ 
    dates <- as.Date(x[seq(2, length(x), 2)]) 
    values <- x[seq(1,length(x),2)] 
    return(values[!is.na(values)][which.max(dates[!is.na(values)])]) 
}) 

df 
    a  date1 b  date2 c  date3 result 
1 NA 2016-03-01 50 2016-02-01 10 2016-01-01  50 
2 20 2016-02-01 NA 2016-03-01 10 2016-01-01  20 
3 NA 2016-02-01 NA 2016-03-01 10 2016-01-01  10 

Answer 3

这应该处理它。首先，我们将数据放在整齐的表单中（每个Date，Value有1行，以及row_num来标识整齐行所属的示例）。然后我们过滤掉NAs，group_by row_num，按日期降序排序，并取第一行。

df %>% 
    mutate(row_num = row_number()) %>% 
    unite(a, a, date1) %>% 
    unite(b, b, date2) %>% 
    unite(c, c, date3) %>% 
    gather(key, value, -row_num) %>% 
    select(-key) %>% 
    separate(value, into=c("Value", "Date"), sep = "_") %>% 
    mutate(Date = as.Date(Date)) %>% 
    filter(Value != "NA") %>% 
    group_by(row_num) %>% 
    top_n(1, Date) %>% 
    ungroup() 

Answer 4

这里多了一个办法：

df$row <- 1:nrow(df) 

gather(df, key, date_val, date1, date2, date3, -row) %>% 
    select(-key) %>% 
    gather(key, val, a,b,c) %>% 
    filter(!is.na(val)) %>% 
    group_by(row) %>% 
    mutate(max_date = max(date_val)) %>% 
    filter(date_val == max_date) %>% summarise(result = max(val)) %>% 
    left_join(df, by="row") %>% select(-row) 

# A tibble: 3 × 7 
    result  a  date1  b  date2  c  date3 
    <dbl> <dbl>  <fctr> <dbl>  <fctr> <dbl>  <fctr> 
1  50 NA 2016-03-01 50 2016-02-01 10 2016-01-01 
2  20 20 2016-02-01 NA 2016-03-01 10 2016-01-01 
3  10 NA 2016-02-01 NA 2016-03-01 10 2016-01-01 

Answer 5

另一个base替代：

df$id <- 1:nrow(df) 
d2 <- reshape(df, varying = list(seq(1, by = 2, len = (ncol(df) - 1)/2), 
           seq(2, by = 2, len = (ncol(df) - 1)/2)), 
       direction = "long") 

d2 <- with(d2, d2[order(-id, date1, decreasing = TRUE), ]) 

cbind(df, res = tapply(d2$a[!is.na(d2$a)], d2$id[!is.na(d2$a)], `[`, 1)) 
# a  date1 b  date2 c  date3 id res 
# 1 NA 2016-03-01 50 2016-02-01 10 2016-01-01 1 50 
# 2 20 2016-02-01 NA 2016-03-01 10 2016-01-01 2 20 
# 3 NA 2016-02-01 NA 2016-03-01 10 2016-01-01 3 10 

Answer 6

聚会结束了，但我只是遇到了这个职位，并决定留下以下内容。这个想法是，我宁愿创建一个数据框架并完成这项工作。

out <- data.frame(group = 1:nrow(df), 
        date = as.Date(unlist(df[, grep(x = names(df), "[1-9]")]), 
           "%Y-%m-%d"), 
        result = unlist(df[nchar(names(df)) == 1])) %>% 
     filter(complete.cases(.)) %>% 
     group_by(group) %>% 
     slice(which.max(date)) %>% 
     ungroup 

cbind(df, result = out$result) 

# a  date1 b  date2 c  date3 result 
#1 NA 2016-03-01 50 2016-02-01 10 2016-01-01  50 
#2 20 2016-02-01 NA 2016-03-01 10 2016-01-01  20 
#3 NA 2016-02-01 NA 2016-03-01 10 2016-01-01  10 

如果我使用data.table，我会做以下，这是基于docendo的答案。

setDT(df)[, row := .I] 

out <- melt(df, id = "row", measure = patterns("^date", "^(a|b|c)"), 
      value.name = c("date", "result"), na.rm = TRUE) [, 
       date := as.Date(date, "%Y-%m-%d")][, 
        .SD[which.max(date)], by = row][, c("row", "result")] 

df[out, on = "row"] 

# a  date1 b  date2 c  date3 row result 
#1: 20 2016-02-01 NA 2016-03-01 10 2016-01-01 2  20 
#2: NA 2016-03-01 50 2016-02-01 10 2016-01-01 1  50 
#3: NA 2016-02-01 NA 2016-03-01 10 2016-01-01 3  10