求助！！如何筛选时间。

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

比如我有两个数据框data如下：
id              time                      outcome      
2     2016/02/03 14:23:00           78            
2     2016/02/03 15:24:00           89
2     2016/02/03 18:44:00           90
2     2016/02/04 08:23:00           77
2     2016/02/04 12:33:00           100
2     2016/02/05 09:12:00           108
2     2016/02/06 14:25:00           103
3     2016/03/12 13:26:00           100           
3     2016/03/12 15:35:00           99
3     2016/03/13 17:46:00           98
4     2016/03/03 16:23:00           109           
4     2016/03/03 19:55:00           95
4     2016/03/04 20:25:00           93
4     2016/03/04 14:23:00           87
4     2016/03/04 17:20:00           113
5     2016/02/08 14:23:00           106           
5     2016/02/08 15:24:00           80
......               ......                       ......
我想筛选出每个id中，时间最迟的那一行，也就是 每个id的最后一行。这用R如何做到呢？
我的代码是这样的：data %>%
                                  gourp_by(id) %>%
                                  filter(max(time))
运行结果报错，说time变量是factor，不能用max函数。还有其他方法么？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：outcome factor filter Facto time 如何

1. library(dplyr)
   
2. data %>%
   
3. group_by(id) %>%
   
4. arrange(id,time)%>%
   
5.   slice(n())

复制代码

不懂不装懂 发表于 2017-2-7 20:38

谢谢！这个slice（）函数好神奇！另外再请教一个问题：比如我有两个数据框data1如下：
id          time1                  outcome1      
2     2016/02/03 14:23:00           78            
2     2016/02/03 15:24:00           89
2     2016/02/03 18:44:00           90
2     2016/02/04 08:23:00           77
2     2016/02/04 12:33:00           100
2     2016/02/05 09:12:00           108
2     2016/02/06 14:25:00           103
3     2016/03/12 13:26:00           100           
3     2016/03/12 15:35:00           99
3     2016/03/13 17:46:00           98
4     2016/03/03 16:23:00           109           
4     2016/03/03 19:55:00           95
4     2016/03/04 20:25:00           93
4     2016/03/04 14:23:00           87
4     2016/03/04 17:20:00           113
5     2016/02/08 14:23:00           106           
5     2016/02/08 15:24:00           80

...           ...                   ...           ...
数据框data2如下：
id          time2                  outcome2      
2     2016/02/03 15:28:00           1.3            
2     2016/02/03 15:40:00           1.8
2     2016/02/03 18:44:00           2.0
2     2016/02/04 08:23:00           2.1
3     2016/02/04 12:33:00           2.1
3     2016/02/05 09:12:00           1.2
3     2016/02/06 14:25:00           1.1
3     2016/03/12 13:26:00           0.9           
3     2016/03/12 15:35:00           1.4
3     2016/03/13 17:46:00           1.3
4     2016/03/03 16:23:00           1.8           
4     2016/03/03 19:55:00           2.3
4     2016/03/04 20:25:00           2.3
5     2016/03/04 14:23:00           1.2
5     2016/03/04 17:20:00           1.0
5     2016/02/08 14:23:00           2.6           
5     2016/02/08 15:24:00           2.2

...           ...                   ...           ...

其中，两个数据框中每个id的数量不相等，我想将两个数据框合并，并且要删除data2中时间迟于data1中的行（针对每个id而言），也就是说，对于每一个id而言，data2中的事件都要发生在data1之前，发生在data1之后的数据不需要。那么我的思路是这样的：先在data1中筛选出，每个id最迟的那个时间，形成这样的data frame：
id    time1   outcome1
2    .......     ........
3    .......     .......
4    .......     .......
然后用merge与data2合并，比较time1和time2列，讲time2>time1的行都删除。可是问题来了，time1和time2都是factor，无法进行比较。那么我又将他们用as.POSIXLt()函数来转换，但是转换之后还是无法比较，这该怎么办呢？

1. 转换之后可以比较
   
2. as.POSIXct("2016-02-03 14:23:00")<as.POSIXct("2016-02-06 14:25:00")
   
3. [1] TRUE

复制代码

你可能是转换少了一个步骤，as.POSIXct（as.character(data$time)）

实际可以先筛选，再合并

不懂不装懂 发表于 2017-2-7 22:18
你可能是转换少了一个步骤，as.POSIXct（as.character(data$time)）

好神奇，as.POSIXct（as.character(data$time)）可以比较，而as.POSIXct（）却不行，这是为什么？

这里data$time是因子类型，as.POSIXct（）不能转换，需先转换成字符

不懂不装懂 发表于 2017-2-7 23:13
这里data$time是因子类型，as.POSIXct（）不能转换，需先转换成字符

喔喔，谢谢大神啦！膜拜！

lanhong1993 发表于 2017-2-7 23:27
喔喔，谢谢大神啦！膜拜！

筛选成功后，我想把这两个数据框进行合并，
比如我有两个数据框data1如下：
id          time1                        outcome1      
2     2016/02/03 14:23:00           78            
2     2016/02/03 15:24:00           89
2     2016/02/03 18:44:00           90
2     2016/02/04 08:23:00           77
2     2016/02/04 12:33:00           100
2     2016/02/05 09:12:00           108
2     2016/02/06 14:25:00           103
3     2016/03/12 13:26:00           100           
3     2016/03/12 15:35:00           99
3     2016/03/13 17:46:00           98
4     2016/03/03 16:23:00           109           
4     2016/03/03 19:55:00           95
4     2016/03/04 20:25:00           93
4     2016/03/04 14:23:00           87
4     2016/03/04 17:20:00           113
5     2016/02/08 14:23:00           106           
5     2016/02/08 15:24:00           80

...           ...                   ...           ...
数据框data2如下：
id          time2                         outcome2      
2     2016/02/03 15:28:00           1.3            
2     2016/02/03 15:40:00           1.8
2     2016/02/03 18:44:00           2.0
2     2016/02/04 08:23:00           2.1
3     2016/02/04 12:33:00           2.1
3     2016/02/05 09:12:00           1.2
3     2016/02/06 14:25:00           1.1
3     2016/03/12 13:26:00           0.9           
3     2016/03/12 15:35:00           1.4
3     2016/03/13 17:46:00           1.3
4     2016/03/03 16:23:00           1.8           
4     2016/03/03 19:55:00           2.3
4     2016/03/04 20:25:00           2.3
5     2016/03/04 14:23:00           1.2
5     2016/03/04 17:20:00           1.0
5     2016/02/08 14:23:00           2.6           
5     2016/02/08 15:24:00           2.2

...           ...                   ...           ...

其中，两个数据框中每个id的数量不相等，如何将两个数据框合并成如下形式呢？

id             time1              outcome1              time2               outcome2
2   2016/02/03 14:23:00     78       2016/02/03 15:28:00           1.3     
2   2016/02/03 15:24:00     89       2016/02/03 15:40:00           1.8
2   2016/02/03 18:44:00     90       2016/02/03 18:44:00           2.0
2   2016/02/04 08:23:00     77       2016/02/04 08:23:00           2.1
2   2016/02/04 12:33:00     100      NA                                    NA
2   2016/02/05 09:12:00     108      NA                                    NA
2   2016/02/06 14:25:00     103      NA                                    NA
3   2016/03/12 13:26:00     100      2016/02/04 12:33:00           2.1     
3   2016/03/12 15:35:00     99       2016/02/05 09:12:00           1.2
3   2016/03/13 17:46:00     98       2016/02/06 14:25:00           1.1
3   NA                               NA       2016/03/12 13:26:00           0.9   
3   NA                               NA       2016/03/12 15:35:00           1.4
3   NA                               NA       2016/03/13 17:46:00           1.3
4   2016/03/03 16:23:00     109      2016/03/03 16:23:00           1.8      
4   2016/03/03 19:55:00     95       2016/03/03 19:55:00            2.3
4   2016/03/04 20:25:00     93       2016/03/04 20:25:00            2.3
4   2016/03/04 14:23:00     87        NA                                     NA
4   2016/03/04 17:20:00     113      NA                                     NA
5   2016/02/08 14:23:00     106      2016/03/04 14:23:00           1.2
5   2016/02/08 15:24:00     80        2016/03/04 17:20:00           1.0
5   NA                                NA       2016/02/08 14:23:00           2.6   
5   NA                                NA       2016/02/08 15:24:00           2.2

...           ...                   ...           ...