从数据框中有条件地选择重复测量

Question

我有数据，在可变数量的时间点对每个主题（id）进行重复测量。 我想为每个主题保留两行，时间点== 0和最接近4的时间点。在两个候选时间点距离4等距离的情况下，例如（3,5），我想选择最低的（3） ）。

如下图中的“选择”列所示，不会保留带有“x”的行。

 dat <- structure(list(id = c(172507L, 172507L, 172507L, 172525L, 172525L, 
172525L, 172526L, 172526L, 172526L, 172527L, 172527L, 172527L, 
172527L, 172527L), timepoint = c(0L, 2L, 6L, 0L, 4L, 5L, 0L, 
5L, 2L, 2L, 3L, 5L, 6L, 0L)), class = "data.frame", row.names = c(NA, 
-14L))

Answer 1

我们可以通过id和timepoint进行arrange ，并且对于每个组，当timepoint == 0时选择第一个出现，并且在4 - timepoint之间选择最小绝对值。 因为我们已经按timepoint安排了它which.min将选择具有较低值的第一个timepoint （如果是平局）。

library(dplyr)
dat %>%
  arrange(id, timepoint) %>%
  group_by(id) %>%
  slice(c(which.max(timepoint == 0), which.min(abs(4- timepoint))))

#     id timepoint
#   <int>     <int>
#1 172507         0
#2 172507         2
#3 172525         0
#4 172525         4
#5 172526         0
#6 172526         5
#7 172527         0
#8 172527         3

Answer 2

你能做这样的事吗？ 按距离排列然后按时间点排列最小的最接近的值。 然后，您可以使用first()函数获取第一个值，或者在时间点为零时过滤。

library(tidyverse)

dat %>% 
  mutate(dist = abs(4-timepoint)) %>% 
  arrange(id, dist, timepoint) %>% 
  group_by(id) %>% 
  filter(timepoint %in% c(0, first(timepoint))) %>% 
  ungroup() %>% 
  arrange(id, timepoint)

Answer 3

这是data.table解决方案。 它依赖于每个ID的时间点为0的假设。否则，您应该使用which.max(timepoint == 0) 。 感谢Ronak Shah的which.min方法。

编辑：更改为match(TRUE, timepoint == 0)并修复了基本R方法中的问题。

library(data.table)

dt <- as.data.table(dat)

dt[order(timepoint),
 .SD[c(match(TRUE, timepoint == 0), which.min(abs(4- timepoint)))],
 by = id]

对于踢球，这里是基地R：

do.call(rbind, by(dat[order(dat$timepoint), ], dat[order(dat$timepoint), ], function(x) x[c(match(TRUE, x$timepoint == 0), which.min(abs(4-x$timepoint))),]) )

Answer 4

这样的事情应该有效：

zeros <- 
  dat %>% 
  filter(timepoint == 0) %>% 
  transmute(id, timepoint)

nonzeros <- 
  dat %>% 
  filter(timepoint != 0) %>% 
  mutate(diff = abs(timepoint - 4)) %>% 
  group_by(id) %>% 
  filter(diff == min(diff)) %>% 
  arrange(timepoint) %>% 
  slice(1) %>% 
  ungroup() %>% 
  transmute(id, timepoint)

df <-
  bind_rows(zeros, nonzeros) %>% 
  arrange(id, timepoint)

可能有一种方法可以在一个管道中执行此操作，但我可以更轻松地直观地查看这种情况。