如何从最后一行重复观察中制作子集数据框？

Posted 2023-02-16

【中文标题】如何从最后一行重复观察中制作子集数据框？

【英文标题】：How to make a subset dataframe from the last row of repeated observations?

【发布时间】：2016-06-21 13:26:25

【问题描述】：

简单的问题。我有一个数据框，其中受试者对时间变量和状态变量（死亡/活着）有不同的观察。我想从每个受试者的最后一次观察中制作一个子集，但由于每个受试者的观察次数是可变的，并且有来自 690 名受试者的 1143 次观察，手动挑选它们会让人头疼。聚合不会起作用，因为每个主题的最后一次观察已经是前一个的聚合“时间值”。

       name visit.date status

30   20        337      1
31   20        421      1
32   20        502      0  <- Row to subset
33   21        427      0  <- Row to subset
34   22         NA     NA  <- Row to subset
35   23        800      1
36   23        882      0  <- Row to subset
37   24        157      1
38   24        185      1
39   24        214      1
40   24        298      1
41   24        381      1  <- Row to subset
42   25        386      1  <- Row to subset
43   26         NA     NA  <- Row to subset
44   27        522      1
45   27        643      1
46   27        711      1  <- Row to subset
47   28        280      0  <- Row to subset
48   29        227      1
49   29        322      1
50   29        335      0  <- Row to subset

如您所见，有些主题只有一个观察值，我会保留这些，但有 2,3 个或更多观察值的主题。我如何对这些进行子集化并制作一个数据框，每个主题只有 1 个观察值（总共 620 行）。这是为了生存分析，我可以按原样对数据帧进行分析，但我无法对这个数据帧进行 coxph，因为我要对比的自变量长度仅为 620（每个受试者 1 个）。

提前谢谢你！

【问题讨论】：

使用 dplyr，DF %>% group_by(name) %>% slice(n()) 可以工作，因为n() 是每个组中的行数，slice 选择每个组中的行号。

可以使用duplicated，即df[!duplicated(df$name, fromLast = TRUE),]

【参考方案1】：

这是使用dplyr的解决方案：

library(dplyr)
df %>%  group_by(name) %>% filter(row_number()==n()) 

【讨论】：

看起来这样就行了，row_number() == n() 是做什么的？

它创建了一个逻辑向量作为过滤的基础。 row_number 包含每个组内的行号，n() 是每个组内的行数。因此，它只为每个组内的最后一行返回TRUE。你可以试试df %>% group_by(name) %>% mutate( rownum = row_number()) 看看row_number是怎么工作的

【参考方案2】：

df[c(df$name[-nrow(df)]!=df$name[-1L],T),];
##    name visit.date status
## 32   20        502      0
## 33   21        427      0
## 34   22         NA     NA
## 36   23        882      0
## 41   24        381      1
## 42   25        386      1
## 43   26         NA     NA
## 46   27        711      1
## 47   28        280      0
## 50   29        335      0