为数据框中第一次出现的变量提取行

Question

我有一个包含两个变量的数据框,Date和Taxa,并希望获得每个分类单元首次出现的日期.数据框中有9个不同的日期和40个不同的分类单元,由172行组成,但我的答案应该只有40行.

分类是一个因素,日期是一个日期.

例如,我的数据框(称为"种类")设置如下:

Date          Taxa
2013-07-12    A
2011-08-31    B
2012-09-06    C
2012-05-17    A
2013-07-12    C
2012-09-07    B

我会寻找这样的答案:

Date          Taxa
2012-05-17    A
2011-08-31    B
2012-09-06    C

我试过用:

t.first <-  species[unique(species$Taxa),]

它给了我正确的行数但是重复了Taxa.如果我只使用独特的(物种$ Taxa)它似乎给了我正确的答案,但后来我不知道它第一次出现的日期.

谢谢你的帮助.

Answer 1

t.first <- species[match(unique(species$Taxa), species$Taxa),]

应该给你你想要的东西.match返回比较向量中第一个匹配的索引,它们为您提供所需的行.

Answer 2

这是一个dplyr不依赖于按日期顺序排序的数据并考虑关系的选项：

library(dplyr)
df %>% 
  mutate(Date = as.Date(Date)) %>% 
  group_by(Taxa) %>% 
  filter(Date == min(Date)) %>% 
  slice(1) %>% # takes the first occurrence if there is a tie
  ungroup()

# A tibble: 3 x 2
  Date       Taxa 
  <date>     <chr>
1 2012-05-17 A    
2 2011-08-31 B    
3 2012-09-06 C 

# sample data:
df <- read.table(text = 'Date          Taxa
                         2013-07-12    A
                         2011-08-31    B
                         2012-09-06    C
                         2012-05-17    A
                         2013-07-12    C
                         2012-09-07    B', header = TRUE, stringsAsFactors = FALSE)

您也可以通过按日期排序来获得相同的结果：

df %>% 
  mutate(Date = as.Date(Date)) %>% 
  group_by(Taxa) %>% 
  arrange(Date) %>% 
  slice(1) %>% 
  ungroup()

Answer 3

在以下命令中,duplicated为重复data$Taxa值创建逻辑索引.使用以下内容创建没有相应行的数据框的子集:

data[!duplicated(data$Taxa), ]

结果:

        Date Taxa
1 2012-05-17    A
2 2011-08-31    B
3 2012-09-06    C

Answer 4

这是一个使用以下解决方案data.table：

library(data.table)
setDT(species)
species[, .SD[which.min(Date)], by = Taxa]
#    Taxa       Date
# 1:    A 2012-05-17
# 2:    B 2011-08-31
# 3:    C 2012-09-06

数据：

species <- data.frame(
  Date = as.Date(c("2013-07-12", "2011-08-31", "2012-09-06", 
                   "2012-05-17", "2013-07-12", "2012-09-07")), 
  Taxa = c("A", "B", "C", "A", "C", "B")
)