R：如果一年之內有重復的條目，則將其刪除

Question

對於R來說，我是一個新手，我有一個500000個患者ID，日期和其他變量的數據框。

我想刪除所有重復的患者ID（PtID），如果它們恰好在首次出現的一年之內..例如：

 PtID    date**
 1. 1    01/01/2006
 2. 2    01/01/2006
 3. 1    24/02/2006 
 4. 4    26/03/2006
 5. 1    04/05/2006
 6. 1    05/05/2007

在這種情況下，我想刪除第三行和第五行，並保留第一行和第六行。

有人可以幫我嗎..這是str（我的數據稱為final1）

str(final1)
'data.frame':   605870 obs. of  70 variables:
...
 $ Date          : Date, format: "2006-03-12" "2006-04-01" ...
$ PtID          : int  11251 11251 11251 11251 11251 11251 11251 30938 30938 11245 ...
...

Answer 1

下面是一個使用一個解決方案ply和lubridate 。 首先加載軟件包：

require(plyr)
require(lubridate)

接下來創建一些示例數據（注意，這比您的示例要簡單一些！）

num = 1:6
PtID = c(1,2,1,4,1,1)
date = c("01/01/2006", "01/01/2006","24/02/2006", "26/03/2006", "04/05/2006",
  "05/05/2007")
dd = data.frame(PtID, date)

現在，將date列設為R date對象：

dd$date = dmy(date)

以及包含是否應包含行的規則的函數：

keepId = function(dates) {
  keep = ((dates - min(dates)) > 365*24*60*60) |
  ((dates == min(dates)))
  return(keep)
}

剩下的工作就是使用ddply划分由日期框PtID

dd_sub = ddply(dd, c("PtID"), transform, keep = keepId(date))
dd_sub[dd_sub$keep,]