根據另一個數據框中的兩列選擇數據框中的列子集

Question

我有一個大型的數據集患者遭遇（約600萬）。 每位患者可能在多年中每年都有多次入境。 我希望能夠按年排列患者，然后給他們編號，以便我可以過濾掉每個患者的除一年以外的所有記錄，以便可以在特定的健康計划中對每個患者的第一年進行檢查。

我能夠對每個患者的第一個條目進行排名和過濾，但是我認為我必須基於在新數據框中使用％in％生成的兩列來創建新的df和子集原始數據框。 這是我遇到麻煩的地方。

雖然我經常使用堆棧溢出來查找問題的解決方案，但是我通常不會發布，所以如果我做得不好，請多多包涵。

enrolid<- c(223801,223801, 223801, 223801, 223801, 223803, 223803, 223804)

year<- c(2008, 2008, 2009, 2010, 2011, 2008, 2011, 2008)

service<- c( "CT", "Colonoscopy", "labs", "office_visit", "med", "office_vist", "hospitalization", "CT")

#But for 6 million enounters. I want to me extract the enrolid and first #year for each individual in my data set.


df1<-data.frame(enrolid, year, service)

df2<- df1 %>% 
group_by(enrolid) %>% 
  filter(rank(year, ties.method="first")==1) %>% 
  mutate(enrollment_year_num = 1) %>% 
  select(enrolid, year)`

df1 %>% 
filter_all(any_vars(. %in% df2)) #tried with df2$enrolid & df2year

Thnaks！

Answer 1

您可以使用filter語句一步一步完成所有操作（確保year是一個數字變量，此功能才能起作用）。

df1 %>%
 group_by(enrolid) %>%
 filter(year == min(year))

Answer 2

也可以使用slice ：

df1 %>% group_by(enrolid) %>% slice(which.min(year))