如何用受特定条件限制的其他字段的最大值/最小值替换字段中的值？允许重复条件答案

【问题标题】：How do you replace values in a field with max/min values from other fields subject to particular conditions? Allowing for duplicated conditions如何用受特定条件限制的其他字段的最大值/最小值替换字段中的值？允许重复条件
【发布时间】：2021-10-02 04:54:26
【问题描述】：

这是对上一个问题的扩展：How do you replace values in a field with max/min values from other fields subject to particular conditions?。

鉴于Category1、Category2、Type、Index 和Date，我想创建一个名为New_Date 的新字段，如下所示。 New_Date 将是与属于Category1 和Category2 的每个组合的最高Index 对应的日期，另一个字段Type 等于1。

我的data 有 >1m 条记录和 50 个字段。

注意：与上面链接的其他问题的不同之处在于，Index 字段可能不是唯一的。如果它们重复，我们需要返回最新的max(Date)。

Category1 <-c (rep("A",8),rep("B",3),rep("C",4))

Category2 <-c (rep("X",5),rep("Y",4),rep("Z",6))

Index <- c(rep(1,8),seq(1:3),seq(1:4))

Date <- c("01/01/2020","01/02/2020","01/03/2020","01/04/2020","01/05/2020","01/06/2020","01/07/2020","29/07/2020","01/01/2014","01/02/2014","01/01/2015","01/01/2014","01/01/2015","01/01/2016","01/01/2017")

Type <- c(1,2,1,2,2,1,2,1,1,2,1,1,2,2,1)

Category1	Category2	Index	Date	Type	New_Date
A	X	1	01/01/2020	1	01/03/2020
A	X	2	01/02/2020	2	01/05/2020
A	X	1	01/03/2020	1	01/03/2020
A	X	4	01/04/2020	2	01/05/2020
A	X	5	01/05/2020	2	01/05/2020
A	Y	6	01/06/2020	1	29/07/2020
A	Y	7	01/07/2020	1	29/07/2020
A	Y	8	29/07/2020	1	29/07/2020
B	Y	1	01/01/2014	1	01/01/2014
B	Z	2	01/02/2014	2	01/01/2015
B	Z	3	01/01/2015	1	01/01/2015
C	Z	1	01/01/2014	1	01/01/2017
C	Z	2	01/01/2015	2	01/01/2017
C	Z	3	01/01/2016	2	01/01/2017
C	Z	4	01/01/2017	1	01/01/2017

按照Ronak Shah的建议使用下面的代码

setDT(df)[, New_Date := Date[match(max(Index[Type == 1]), Index)], .(Category1, Category2)]

在第三行中，R 将匹配第一个匹配项，New_Date 将是 01/01/2020 而不是 01/03/2020。

非常感谢对上述代码的任何建议或细微改动！

【问题讨论】：

new_date 的第 1 行和第 3 行是否相同？即第 1 行中的 new_date 应该是 01/01/2020 还是 01/03/2020？
获得预期输出的逻辑有点不清楚。您能否确认new_Date 是否针对预期输出表中最后一行之前的两行正确计算？值不应该是01/01/2016 而不是01/01/2017
问题可能是第 3 行中的“索引”应该是“3”而不是“1”，Index<-c(rep(1,8),seq(1:3),seq(1:4)) 应该是 Index<-c(seq(1,8), seq(1:3), seq(1:4))
Eeeek。我很抱歉@Tech Commodities，你说得很对，我使用的代码 sn-p 不正确。应该是Index<-c(1,2,1,4,5,6,7,8, seq(1:3), seq(1:4))。基本上它是先前链接问题的副本，但在第 3 行稍作调整以显示索引字段可以复制。是的，第 1 行和第 3 行的 New_Date 应该是 01/03/2020 是正确的，这就是意图。 @B.ChristianKamgang，是的，你是对的，底行之前的前两行应该是 01/01/2016。道歉

标签： r dataframe data.table

【解决方案1】：

这是使用包data.table 解决问题的一种可能方法。

setDT(df)[, New_Date := max(Date[Index==max(Index)]), by=.(Category1, Category2, Type==1)]
 
#     Category1 Category2 Index       Date  Type   New_Date
#  1:         A         X     1 01/01/2020     1 01/03/2020
#  2:         A         X     2 01/02/2020     2 01/05/2020
#  3:         A         X     1 01/03/2020     1 01/03/2020
#  4:         A         X     4 01/04/2020     2 01/05/2020
#  5:         A         X     5 01/05/2020     2 01/05/2020
#  6:         A         Y     6 01/06/2020     1 29/07/2020
#  7:         A         Y     7 01/07/2020     2 01/07/2020
#  8:         A         Y     8 29/07/2020     1 29/07/2020
#  9:         B         Y     1 01/01/2014     1 01/01/2014
# 10:         B         Z     2 01/02/2014     2 01/02/2014
# 11:         B         Z     3 01/01/2015     1 01/01/2015
# 12:         C         Z     1 01/01/2014     1 01/01/2017
# 13:         C         Z     2 01/01/2015     2 01/01/2016
# 14:         C         Z     3 01/01/2016     2 01/01/2016
# 15:         C         Z     4 01/01/2017     1 01/01/2017

这是dplyr 方法：

df %>%  
  group_by(Category1, Category2, Type==1) %>% 
  mutate(New_Date = max(Date[Index==max(Index)])) %>% 
  ungroup() %>% 
  select(-`Type == 1`)

【讨论】：

【解决方案2】：

如果您乐于使用 Tidyverse，我认为这可以满足您的需求：

df <- tibble::tibble(Category1 = c(rep("A",8),rep("B",3),rep("C",4)),
             Category2 = c(rep("X",5),rep("Y",4),rep("Z",6)),
             Index = c(1,2,1,4,5,6,7,8, seq(1:3), seq(1:4)),
             Date = c("01/01/2020","01/02/2020","01/03/2020","01/04/2020","01/05/2020","01/06/2020","01/07/2020","29/07/2020","01/01/2014","01/02/2014","01/01/2015","01/01/2014","01/01/2015","01/01/2016","01/01/2017"),
             Type = c(1,2,1,2,2,1,2,1,1,2,1,1,2,2,1)

df |>
  dplyr::group_by(Category1, Category2, Index) |>
  dplyr::mutate(new_date = max(Date))

# A tibble: 15 x 6
# Groups:   Category1, Category2, Index [14]
   Category1 Category2 Index Date        Type new_date  
   <chr>     <chr>     <dbl> <chr>      <dbl> <chr>     
 1 A         X             1 01/01/2020     1 01/03/2020
 2 A         X             2 01/02/2020     2 01/02/2020
 3 A         X             1 01/03/2020     1 01/03/2020
 4 A         X             4 01/04/2020     2 01/04/2020
 5 A         X             5 01/05/2020     2 01/05/2020
 6 A         Y             6 01/06/2020     1 01/06/2020
 7 A         Y             7 01/07/2020     2 01/07/2020
 8 A         Y             8 29/07/2020     1 29/07/2020
 9 B         Y             1 01/01/2014     1 01/01/2014
10 B         Z             2 01/02/2014     2 01/02/2014
11 B         Z             3 01/01/2015     1 01/01/2015
12 C         Z             1 01/01/2014     1 01/01/2014
13 C         Z             2 01/01/2015     2 01/01/2015
14 C         Z             3 01/01/2016     2 01/01/2016
15 C         Z             4 01/01/2017     1 01/01/2017
          )

【讨论】：