在特定条件下，如何用来自其他字段的最大值/最小值替换字段中的值？ 允许重复条件

Question

这是这里上一个问题的扩展： 如何在特定条件下用其他字段的最大值/最小值替换字段中的值？ .

鉴于Category1 ， Category2 ， Type ， Index和Date ，我想创建一个名为New_Date的新字段，如下所示。 New_Date将是对应于属于Category1和Category2的每个组合的最高Index的日期，受另一个字段Type等于 1 的约束。

我的data有 > 100 万条记录和 50 个字段。

注意：与上面链接的其他问题的不同之处在于Index字段可能不是唯一的。 如果它们重复，我们需要返回最新的max(Date) 。

Category1 <-c (rep("A",8),rep("B",3),rep("C",4))

Category2 <-c (rep("X",5),rep("Y",4),rep("Z",6))

Index <- c(rep(1,8),seq(1:3),seq(1:4))

Date <- c("01/01/2020","01/02/2020","01/03/2020","01/04/2020","01/05/2020","01/06/2020","01/07/2020","29/07/2020","01/01/2014","01/02/2014","01/01/2015","01/01/2014","01/01/2015","01/01/2016","01/01/2017")

Type <- c(1,2,1,2,2,1,2,1,1,2,1,1,2,2,1)

类别1	类别2	指数	日期	类型	新日期
一种	X	1	01/01/2020	1	01/03/2020
一种	X	2	01/02/2020	2	01/05/2020
一种	X	1	01/03/2020	1	01/03/2020
一种	X	4	01/04/2020	2	01/05/2020
一种	X	5	01/05/2020	2	01/05/2020
一种	是	6	01/06/2020	1	29/07/2020
一种	是	7	01/07/2020	1	29/07/2020
一种	是	8	29/07/2020	1	29/07/2020
乙	是	1	01/01/2014	1	01/01/2014
乙	Z	2	01/02/2014	2	01/01/2015
乙	Z	3	01/01/2015	1	01/01/2015
C	Z	1	01/01/2014	1	01/01/2017
C	Z	2	01/01/2015	2	01/01/2017
C	Z	3	01/01/2016	2	01/01/2017
C	Z	4	01/01/2017	1	01/01/2017

按照Ronak Shah 的建议使用下面的代码

setDT(df)[, New_Date := Date[match(max(Index[Type == 1]), Index)], .(Category1, Category2)]

在第三行中， R将与第一次匹配，并且New_Date将是01/01/2020而不是01/03/2020 。

非常感谢对上述代码的任何建议或轻微改动！

Answer 1

这是使用包data.table解决问题的一种可能方法。

setDT(df)[, New_Date := max(Date[Index==max(Index)]), by=.(Category1, Category2, Type==1)]
 
#     Category1 Category2 Index       Date  Type   New_Date
#  1:         A         X     1 01/01/2020     1 01/03/2020
#  2:         A         X     2 01/02/2020     2 01/05/2020
#  3:         A         X     1 01/03/2020     1 01/03/2020
#  4:         A         X     4 01/04/2020     2 01/05/2020
#  5:         A         X     5 01/05/2020     2 01/05/2020
#  6:         A         Y     6 01/06/2020     1 29/07/2020
#  7:         A         Y     7 01/07/2020     2 01/07/2020
#  8:         A         Y     8 29/07/2020     1 29/07/2020
#  9:         B         Y     1 01/01/2014     1 01/01/2014
# 10:         B         Z     2 01/02/2014     2 01/02/2014
# 11:         B         Z     3 01/01/2015     1 01/01/2015
# 12:         C         Z     1 01/01/2014     1 01/01/2017
# 13:         C         Z     2 01/01/2015     2 01/01/2016
# 14:         C         Z     3 01/01/2016     2 01/01/2016
# 15:         C         Z     4 01/01/2017     1 01/01/2017

这是dplyr方法：

df %>%  
  group_by(Category1, Category2, Type==1) %>% 
  mutate(New_Date = max(Date[Index==max(Index)])) %>% 
  ungroup() %>% 
  select(-`Type == 1`)

Answer 2

如果您乐于使用 Tidyverse，我认为这可以满足您的需求：

df <- tibble::tibble(Category1 = c(rep("A",8),rep("B",3),rep("C",4)),
             Category2 = c(rep("X",5),rep("Y",4),rep("Z",6)),
             Index = c(1,2,1,4,5,6,7,8, seq(1:3), seq(1:4)),
             Date = c("01/01/2020","01/02/2020","01/03/2020","01/04/2020","01/05/2020","01/06/2020","01/07/2020","29/07/2020","01/01/2014","01/02/2014","01/01/2015","01/01/2014","01/01/2015","01/01/2016","01/01/2017"),
             Type = c(1,2,1,2,2,1,2,1,1,2,1,1,2,2,1)

df |>
  dplyr::group_by(Category1, Category2, Index) |>
  dplyr::mutate(new_date = max(Date))

# A tibble: 15 x 6
# Groups:   Category1, Category2, Index [14]
   Category1 Category2 Index Date        Type new_date  
   <chr>     <chr>     <dbl> <chr>      <dbl> <chr>     
 1 A         X             1 01/01/2020     1 01/03/2020
 2 A         X             2 01/02/2020     2 01/02/2020
 3 A         X             1 01/03/2020     1 01/03/2020
 4 A         X             4 01/04/2020     2 01/04/2020
 5 A         X             5 01/05/2020     2 01/05/2020
 6 A         Y             6 01/06/2020     1 01/06/2020
 7 A         Y             7 01/07/2020     2 01/07/2020
 8 A         Y             8 29/07/2020     1 29/07/2020
 9 B         Y             1 01/01/2014     1 01/01/2014
10 B         Z             2 01/02/2014     2 01/02/2014
11 B         Z             3 01/01/2015     1 01/01/2015
12 C         Z             1 01/01/2014     1 01/01/2014
13 C         Z             2 01/01/2015     2 01/01/2015
14 C         Z             3 01/01/2016     2 01/01/2016
15 C         Z             4 01/01/2017     1 01/01/2017
          )