如何使用 tidyverse 删除基于日期/时间时间戳列的重复记录？ R答案

【问题标题】：How to remove duplicate records based off a date/time timestamp column using tidyverse? R如何使用 tidyverse 删除基于日期/时间时间戳列的重复记录？ R
【发布时间】：2022-01-12 20:47:01
【问题描述】：

我有一个看起来像这样的数据集。

library(tidyverse)

data <- structure(list(Timestamp = c("12/7/2021 11:29:15", "12/7/2021 11:29:35", 
                                     "12/7/2021 11:59:18", "12/7/2021 12:28:53", 
                                     "12/7/2021 13:19:12"), 
                        ID = c(157767, 380925, 319956, 375889, 375889), 
                        Status = c("Yes", "No", "Yes", "No", "Yes")), 
                        row.names = c(NA, -5L), class = c("tbl_df",                                                                                             
                        "tbl", "data.frame"))

print(data)
> data
# A tibble: 5 x 3
  Timestamp              ID Status
  <chr>               <dbl> <chr> 
1 12/7/2021 11:29:15 157767 Yes   
2 12/7/2021 11:29:35 380925 No    
3 12/7/2021 11:59:18 319956 Yes   
4 12/7/2021 12:28:53 375889 No    
5 12/7/2021 13:19:12 375889 Yes

第 4 行和第 5 行具有相同的 ID。根据时间戳，我可以看到第 5 行是稍后完成的，并且状态已更新。

我是否可以根据时间戳进行过滤以仅显示数据框中的最新时间戳？我想要的输出如下

  Timestamp              ID Status
  <chr>               <dbl> <chr> 
1 12/7/2021 11:29:15 157767 Yes   
2 12/7/2021 11:29:35 380925 No    
3 12/7/2021 11:59:18 319956 Yes      
4 12/7/2021 13:19:12 375889 Yes

谢谢。

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

使用dplyr::slice_max，您可以这样做：

注意：由于您的 Timestamp 是一个角色，我们首先必须将其转换为日期时间才能使其正常工作（感谢 @utubun 在他的评论中指出这一点）

library(dplyr)

data %>% 
  group_by(ID) %>% 
  slice_max(as.POSIXct(Timestamp, format = "%d/%m/%Y %H:%M:%S")) %>% 
  ungroup() %>% 
  arrange(Timestamp)
#> # A tibble: 4 × 3
#>   Timestamp              ID Status
#>   <chr>               <dbl> <chr> 
#> 1 12/7/2021 11:29:15 157767 Yes   
#> 2 12/7/2021 11:29:35 380925 No    
#> 3 12/7/2021 11:59:18 319956 Yes   
#> 4 12/7/2021 13:19:12 375889 Yes

【讨论】：

如果不转换为日期，则不会保存，例如max(c('12/7/2021 13:19:12', '12/10/2021 13:09:12')) 结果为 "12/7/2021 13:19:12"，因为字符是按字母顺序排列的。
@utubun。谢谢。还没有意识到 Timestamp 已经不是日期时间。会解决的。

【解决方案2】：

首先将Timestamp 转换为dttm 类。
按last()分组和过滤

library(dplyr)
library(lubridate)
data %>% 
  mutate(Timestamp = dmy_hms(Timestamp)) %>% 
  group_by(ID) %>% 
  filter(Timestamp == last(Timestamp))

  Timestamp               ID Status
  <dttm>               <dbl> <chr> 
1 2021-07-12 11:29:15 157767 Yes   
2 2021-07-12 11:29:35 380925 No    
3 2021-07-12 11:59:18 319956 Yes   
4 2021-07-12 13:19:12 375889 Yes 
``´

【讨论】：