使用预定义条件删除数据框中的特定行

Question

我有一个带有列的数据框

    shipment_id     created_at    picked_at   packed_at   shipped_at
    CSDJKH231BN     2019-02-03    2019-02-03    
    CSDJKH231BN     2019-02-03    2019-02-03  2019-02-04  2019-02-05
    CSDJKH2KFJ3     2019-02-01    2019-02-04  2019-02-07  

该数据库正在通过Google驱动器上传到rServer，该驱动器正在不断更新。

    u1 <- "https://docs.google.com/spreadsheets/d/e/"link""
    tc1 <- getURL(u1, ssl.verifypeer=FALSE)
    x <- read.csv(textConnection(tc1))

如果在第一次更新中，shipment_id CSDJKH231BN最高达到picked_at，而在第二次更新中，从Google驱动器中，我们将CSDJKH231BN上升至shipped_at。 我如何只保留最高到shipped_at的shipment_id，但我也想保留像CSDJKH2KFJ3这样仍待处理且尚未装运的shipment_id。

基本上只是删除重复的条目，但是此代码对我不起作用。

    df <- df[!duplicated(df), ]

任何帮助，将不胜感激。

Answer 1

我想，你只需要指定你正在寻找重复shipment_id 。 但是，这将只保留第一个版本，该版本的shipped_at列中没有任何shipped_at 。 因此，您可能需要按shipped_at和packed_at列对列进行排序（相反，因此，空值位于底部）。 这样行吗？

df <- df[order(df[,'shipped_at'],df[,'packed_at'], decreasing=TRUE),]
df <- df[!duplicated(df$shipment_id), ]