我有一个数据集，看起来像这样:
data <- data.frame(group = c("09081997", "13122006", "09081997", "22031969", "09081997"),
date1 = c("2021-08-09", "2021-08-10", "2021-08-21", "2021-07-19", "2021-07-15"))
在"group"变量。例如，我需要在日期"2021-08-01"之间进行过滤。";2021 - 08 - 31 -"。通过这样做，我将"删除"。"group"中的最后两个数字，但我需要保留所有重复的数字，即使它们不在我想要过滤的时间段之间。我需要保留所有的"09081997";寄存器。至少有一个副本必须在该时间段内。
这可能吗?
如果我理解正确，这将工作。我创建了一个辅助变量，按组计数，并且只对只出现一次的组的日期应用过滤器。
library(dplyr)
library(lubridate)
data %>%
mutate(across(.cols = starts_with("date"),.fns = ymd)) %>%
add_count(group) %>%
filter(!(n == 1 & (date1 >= ymd("2021-08-01") & date2 <= ymd("2021-08-31"))))
group date1 date2 n
1 09081997 2021-08-09 2021-08-31 3
2 09081997 2021-08-21 2021-08-29 3
3 22031969 2021-07-19 2021-07-20 1
4 09081997 2021-07-15 2021-07-19 3
我只是不确定date1和date2应该如何过滤。
使用ave，您可以分组grepl为'2021-08'pat术语，并检查是否出现any。由于date*列是字符，我们得到"false"但我们可以很容易地将mode转换为"logical"。最后，我们检查布尔值的rowSums是否大于零，即，如果该行中的两个日期中的任何一个落在'2021-08'中，则产生所需的布尔向量来子集数据帧。
data[with(data, ave(cbind(date1, date2), group, FUN=(x) any(grepl(x, pat='2021-08')))) |>
`mode<-`('logical') |> rowSums() |> base::`>`(0), ]
# group date1 date2
# 1 09081997 2021-08-09 2021-08-31
# 2 13122006 2021-08-10 2021-08-22
# 3 09081997 2021-08-21 2021-08-29
# 5 09081997 2021-07-15 2021-07-19
如果只有一个日期列，则简化为
data1[with(data1, as.logical(ave(date1, group, FUN=(x) any(grepl(x, pat='2021-08'))))), ]
# group date1
# 1 09081997 2021-08-09
# 2 13122006 2021-08-10
# 3 09081997 2021-08-21
# 5 09081997 2021-07-15
更新:如果你有一个更复杂的时间段，例如重叠一个月，我们可以使用比较来代替grepl:
data1[with(data1, as.logical(ave(date1, group, FUN=(x) any(
x >= "2021-03-08" | x <= "2021-06-04"
)))), ]
数据:
data <- structure(list(group = c("09081997", "13122006", "09081997",
"22031969", "09081997"), date1 = c("2021-08-09", "2021-08-10",
"2021-08-21", "2021-07-19", "2021-07-15"), date2 = c("2021-08-31",
"2021-08-22", "2021-08-29", "2021-07-20", "2021-07-19")), class = "data.frame", row.names = c(NA,
-5L))
data1 <- data[1:2]