根据 R dplyr / tidyverse dataframe 的多列获取最大日期

Question

来自如下所示的 csv 文件：

日期	时间戳	单位	姓名	健康）状况	对象	参数	属性 1	属性2	结果
2019-07-31	2019-08-01 01:16:09	立方米	n01	a1	o1	小憩	TP	在	34937
2019-07-31	2019-08-01 01:16:10	立方米	n01	a2	o2	小憩	TP	出去	36673.09
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	a3	o3	NO3	TP	出去	1
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	z5	o4	生化需	IO	在	220
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	z5	o4	生化需	TP	在	220
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	z6	o1	NO2	TP	出去	0.31
2019-11-06	2019-11-18 20:21:13	毫克/升	n01	a11	o4	Ntot	IO	在	47
2019-11-06	2019-11-18 20:21:13	毫克/升	n01	a11	o4	Ntot	TP	在	47
2021-01-06	2021-01-07 02:15:06	立方米	n01	a1	o1	小憩	TP	在	17909
2021-01-06	2021-01-07 02:15:07	立方米	n01	a2	o2	小憩	TP	出去	19216.19

我想删除列Date和列Condition中每个值的最后一个（或最大）时间戳的行。
结果表不应包含重复的时间戳“2019-11-18 20:21:06”和“2019-11-18 20:21:13”（其中Condition和Result值为 [z5, a11] 和 [220, 47]分别）。

日期	时间戳	单位	姓名	健康）状况	对象	参数	属性 1	属性2	结果
2019-07-31	2019-08-01 01:16:09	立方米	n01	a1	o1	小憩	TP	在	34937
2019-07-31	2019-08-01 01:16:10	立方米	n01	a2	o2	小憩	TP	出去	36673.09
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	a3	o3	NO3	TP	出去	1
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	z5	o4	生化需	IO	在	220
2019-11-06	2019-11-18 20:21:06	毫克/升	n01	z6	o1	NO2	TP	出去	0.31
2019-11-06	2019-11-18 20:21:13	毫克/升	n01	a11	o4	Ntot	IO	在	47
2021-01-06	2021-01-07 02:15:06	立方米	n01	a1	o1	小憩	TP	在	17909
2021-01-06	2021-01-07 02:15:07	立方米	n01	a2	o2	小憩	TP	出去	19216.19

我找到了两个链接（ 1和2 ）来提出以下 R 脚本

library(tidyverse)
# Group per Date and Condition and filter max Timestamp
df <- read.csv("./Example.csv") %>%
    mutate(Date = as.POSIXct(Date, format = "%Y-%m-%d")) %>%
    mutate(Timestamp = as.POSIXct(Timestamp, format = "%Y-%m-%d %H:%M:%S")) %>%
    group_by(Date, Condition) %>%
    filter(Timestamp == max(Timestamp)) %>%
    distinct()
write_csv(df, file = "./ExampleResult.csv")

但我无法得到预期的结果。
这种方法有什么问题？ 还有其他更简单的方法吗？
谢谢！

Answer 1

您在max(Timestamp)有多个值。 为了解决这个问题，我建议使用dplyr::slice_max并设置with_ties = FALSE 。

这里有一些代码可以得到你想要的。

df %>% 
  mutate(Date = as.POSIXct(Date, format = "%Y-%m-%d")) %>%
  mutate(Timestamp = as.POSIXct(Timestamp, format = "%Y-%m-%d %H:%M:%S")) %>%
  group_by(Date, Condition) %>%
  slice_max(order_by = Timestamp, n = 1, with_ties = FALSE)

但是根据您的应用程序，您可能希望通过向order_by参数提供其他变量来明确说明如何解决这些关系。

Answer 2

尝试使用以下内容：

library(dplyr)

read.csv("./Example.csv") %>%
#df %>%
  mutate(Date = as.Date(Date), 
        Timestamp = as.POSIXct(Timestamp, format = "%Y-%m-%d %H:%M:%S")) %>%
  distinct(Date, Condition, Result, .keep_all = TRUE) -> result

result

#        Date           Timestamp Units Name Condition Obj Param Attrib1 Atrrib2   Result
#1 2019-07-31 2019-08-01 01:16:09    m3  n01        a1  o1   Nap      TP      IN 34937.00
#2 2019-07-31 2019-08-01 01:16:10    m3  n01        a2  o2   Nap      TP     OUT 36673.09
#3 2019-11-06 2019-11-18 20:21:06  mg/l  n01        a3  o3   NO3      TP     OUT     1.00
#4 2019-11-06 2019-11-18 20:21:06  mg/l  n01        z5  o4   BOD      IO      IN   220.00
#5 2019-11-06 2019-11-18 20:21:06  mg/l  n01        z6  o1   NO2      TP     OUT     0.31
#6 2019-11-06 2019-11-18 20:21:13  mg/l  n01       a11  o4  Ntot      IO      IN    47.00
#7 2021-01-06 2021-01-07 02:15:06    m3  n01        a1  o1   Nap      TP      IN 17909.00
#8 2021-01-06 2021-01-07 02:15:07    m3  n01        a2  o2   Nap      TP     OUT 19216.19

数据

df <- structure(list(Date = c("2019-07-31", "2019-07-31", "2019-11-06", 
"2019-11-06", "2019-11-06", "2019-11-06", "2019-11-06", "2019-11-06", 
"2021-01-06", "2021-01-06"), Timestamp = c("2019-08-01 01:16:09", 
"2019-08-01 01:16:10", "2019-11-18 20:21:06", "2019-11-18 20:21:06", 
"2019-11-18 20:21:06", "2019-11-18 20:21:06", "2019-11-18 20:21:13", 
"2019-11-18 20:21:13", "2021-01-07 02:15:06", "2021-01-07 02:15:07"
), Units = c("m3", "m3", "mg/l", "mg/l", "mg/l", "mg/l", "mg/l", 
"mg/l", "m3", "m3"), Name = c("n01", "n01", "n01", "n01", "n01", 
"n01", "n01", "n01", "n01", "n01"), Condition = c("a1", "a2", 
"a3", "z5", "z5", "z6", "a11", "a11", "a1", "a2"), Obj = c("o1", 
"o2", "o3", "o4", "o4", "o1", "o4", "o4", "o1", "o2"), Param = c("Nap", 
"Nap", "NO3", "BOD", "BOD", "NO2", "Ntot", "Ntot", "Nap", "Nap"
), Attrib1 = c("TP", "TP", "TP", "IO", "TP", "TP", "IO", "TP", 
"TP", "TP"), Atrrib2 = c("IN", "OUT", "OUT", "IN", "IN", "OUT", 
"IN", "IN", "IN", "OUT"), Result = c(34937, 36673.09, 1, 220, 
220, 0.31, 47, 47, 17909, 19216.19)),class = "data.frame",row.names = c(NA,-10L))