次のサンプル データ フレームをサブセット化して、各 ID の最も早い発生 [つまり、min(年)] に対して 1 つの観測のみを返すにはどうすればよいですか?
id <- c("A", "A", "C", "D", "E", "F")
year <- c(2000, 2001, 2001, 2002, 2003, 2004)
qty <- c(100, 300, 100, 200, 100, 500)
df=data.frame(year, qty, id)
上記の例では、2000 年と 2001 年の "A" id の 2 つの観測があります。ID が重複している場合、サブセット データ フレームには、観測の最初の発生 (つまり 2000 年) のみを含めたいと思います。重複した ID。
df2 = subset(df, ???)
これは私が返そうとしているものです:
df2
year qty id
2000 100 A
2001 100 C
2002 200 D
2003 100 E
2004 500 F
どんな援助でも大歓迎です。
最小年 + id で集計し、元のデータ フレームとマージして数量を取得できます。
df2 <- merge(aggregate(year ~ id, df1, min), df1)
# > df2
# id year qty
# 1 A 2000 100
# 2 C 2001 100
# 3 D 2002 200
# 4 E 2003 100
# 5 F 2004 500
これはあなたが探しているものですか？あなたの2番目の行は私には間違っているように見えます（最初の年ではなく、重複した年です）。
> duplicated(df$year)
[1] FALSE FALSE TRUE FALSE FALSE FALSE
> df[!duplicated(df$year), ]
year qty id
1 2000 100 A
2 2001 300 A
4 2002 200 D
5 2003 100 E
6 2004 500 F
編集1：えー、私はあなたが求めていたものを完全に誤解しました。ただし、完全を期すためにこれをここに保持します。
編集2：
解決策は次のとおりです。年で並べ替えて（IDごとの最初のエントリが最も早い年になるように）、を使用しますduplicated。これが最も簡単な解決策だと思います。
> df.sort.year <- df[order(df$year), ]
> df.sort.year[!duplicated(df$id), ]
year qty id
1 2000 100 A
3 2001 100 C
4 2002 200 D
5 2003 100 E
6 2004 500 F
plyrを使用する
library(plyr)
## make sure first row will be min (year)
df <- arrange(df, id, year)
df2 <- ddply(df, .(id), head, n = 1)
df2
## year qty id
## 1 2000 100 A
## 2 2001 100 C
## 3 2002 200 D
## 4 2003 100 E
## 5 2004 500 F
またはdata.tableを使用します。キーをid、yearとして設定すると、最初の行が年の最小値になります。
library(data.table)
DF <- data.table(df, key = c('id','year'))
DF[,.SD[1], by = 'id']
## id year qty
## [1,] A 2000 100
## [2,] C 2001 100
## [3,] D 2002 200
## [4,] E 2003 100
## [5,] F 2004 500
これを行うにはもっときれいな方法があるかもしれませんが、これが頭に浮かんだものです
# use which() to get index for each id, saving only first
first_occurance <- with(df, sapply(unique(id), function(x) which(id %in% x)[1]))
df[first_occurance,]
# year qty id
#1 2000 100 A
#3 2001 100 C
#4 2002 200 D
#5 2003 100 E
#6 2004 500 F