在R中的data.frame中选择n个最新（按日期）条目的优雅方法是什么？

Question

我有以下数据框（仅作为示例）

Date StudentID Gender Grade

在某种意义上说，数据帧是不平衡的，男性比女性多得多。 我需要从数据框中选择所有女性和具有最新日期条目的相同数量的男性。 日期以日期类型给出。 数据框未排序，并且可能有多个行具有相同的日期。 执行此任务的最优雅方式是什么？

Answer 1

假设dat是您的数据框，并且按Date排序，则可以使用：

rbind(tail(dat[dat&Gender=="Male",], 10),
      tail(dat[dat&Gender=="Female",], 10))

要么：

library(data.table)
setDT(dat)[, tail(.SD, 10) , by = Gender]

要么：

library(dplyr)
dat %>% group_by(Gender) %>% do(tail(., 10))

每个小组将为两个小组选择最后10个案件。

Answer 2

这是为男性创建数据框的方法：

# subset all male records
df1     <- df[df$Gender == 'Male', ]

# sort by date in descending order (most recent first)
df2     <- df1[rev(order(df1$Date)),]

# retain same number of rows as number of females
df.male <- df2[1:sum(df$Gender == 'Female'), ]

要为女性创建数据框，您只需要执行以下操作：

df.female <- df[df$Gender == 'Female', ]

您可以使用以下方法将它们组合：

df.all <- rbind(df.male, df.female)

请注意，我假设您的Date列实际上已经是Date类的，而不是其他诸如因子或字符之类的东西。 如果不是日期，则必须先将其转换以按日期排序。