Извлечение строк для первого вхождения переменной в фрейм данных

У меня есть фрейм данных с двумя переменными: Date и Taxa, и я хочу получить дату в первый раз, когда будут возникать все таксоны. В кадре данных имеется 9 разных дат и 40 различных таксонов, состоящих из 172 строк, но мой ответ должен содержать только 40 строк.

Такси - это фактор, а дата - дата.

Например, мой фрейм данных (называемый "вид" ) создается следующим образом:

Date          Taxa
2013-07-12    A
2011-08-31    B
2012-09-06    C
2012-05-17    A
2013-07-12    C
2012-09-07    B

и я бы хотел найти такой ответ:

Date          Taxa
2012-05-17    A
2011-08-31    B
2012-09-06    C

Я попытался использовать:

t.first <-  species[unique(species$Taxa),]

и это дало мне правильное количество строк, но повторили Taxa. Если я просто использую уникальный (вид $Taxa), он, как представляется, дает мне правильный ответ, но тогда я не знаю даты его первого появления.

Спасибо за любую помощь.

Ответ 1

t.first <- species[match(unique(species$Taxa), species$Taxa),]

должен дать вам то, что вы ищете. match возвращает индексы первого совпадения в сравниваемых векторах, которые дают вам нужные строки.

Ответ 2

В следующей команде duplicated создается логический индекс для дублированных значений data$Taxa. Подмножество кадра данных без соответствующих строк создается с помощью:

data[!duplicated(data$Taxa), ]

Результат:

        Date Taxa
1 2012-05-17    A
2 2011-08-31    B
3 2012-09-06    C

Ответ 3

Это должно сделать трюк:

# Create some dummy data:

# Create some dates 
Date=as.POSIXct(c("2013-07-12","2011-08-31","2012-09-06","2009-01-01",
                  "2012-05-17","2013-07-12","2012-09-07","2013-02-02"))

# Create unique taxa
Taxa=rep(c("A","B","C","D"),2)

# Combine the two into a dataframe
data=as.data.frame(list(Date=Date,Taxa=Taxa))

# this returns a numeric vector of the minimum dates
xx=tapply(data$Date,list(data$Taxa),min)

# And this will return a dataframe with the first occurence
# of your taxa (or variables)
as.data.frame(list(Date=as.POSIXct(xx,origin="1970-01-01"),
                   Taxa=names(xx)))

Примечание. Вы можете добавить simplify = T в ответ, чтобы вернуть POSIXt объект, но возвращает список. Более подробную информацию можно найти здесь: Неожиданное поведение классов min, tapply и POSIXct/POSIXlt?

Ответ 4

Вот опция dplyr которая не зависит от данных, отсортированных в порядке дат и учета связей:

library(dplyr)
df %>% 
  mutate(Date = as.Date(Date)) %>% 
  group_by(Taxa) %>% 
  filter(Date == min(Date)) %>% 
  slice(1) %>% # takes the first occurrence if there is a tie
  ungroup()

# A tibble: 3 x 2
  Date       Taxa 
  <date>     <chr>
1 2012-05-17 A    
2 2011-08-31 B    
3 2012-09-06 C 

# sample data:
df <- read.table(text = 'Date          Taxa
                         2013-07-12    A
                         2011-08-31    B
                         2012-09-06    C
                         2012-05-17    A
                         2013-07-12    C
                         2012-09-07    B', header = TRUE, stringsAsFactors = FALSE)

И вы можете получить то же самое, отсортировав по дате:

df %>% 
  mutate(Date = as.Date(Date)) %>% 
  group_by(Taxa) %>% 
  arrange(Date) %>% 
  slice(1) %>% 
  ungroup()

Ответ 5

Вот решение с использованием data.table:

library(data.table)
setDT(species)
species[, .SD[which.min(Date)], by = Taxa]
#    Taxa       Date
# 1:    A 2012-05-17
# 2:    B 2011-08-31
# 3:    C 2012-09-06

Данные:

species <- data.frame(
  Date = as.Date(c("2013-07-12", "2011-08-31", "2012-09-06", 
                   "2012-05-17", "2013-07-12", "2012-09-07")), 
  Taxa = c("A", "B", "C", "A", "C", "B")
)