如何根据同一列中日期之间的间隔进行重复数据删除

【问题标题】：How to deduplicate based upon an interval between dates in same column如何根据同一列中日期之间的间隔进行重复数据删除
【发布时间】：2019-09-18 19:42:26
【问题描述】：

我有一个看起来像这样的表：

ID     Date          Type
1      2019/03/12      A
1      2019/03/12      A
2      2019/01/07      A
2      2019/04/20      B
3      2019/02/09      C
4      2019/01/19      A
4      2019/01/23      A

我想按 ID 对该表进行重复数据删除，但前提是列出的日期之间的跨度大于 7 天。如果少于 7 天，那么我想保留最早的日期。

想要：

ID     Date          Type
1      2019/03/12      A
2      2019/01/07      A
2      2019/04/20      B
3      2019/02/09      C
4      2019/01/19      A

我只是在为从概念上的开始而苦苦挣扎。

【问题讨论】：

标签： r date duplicates

【解决方案1】：

一种选择是将“日期”转换为Date 类（此处使用来自lubridate 的ymd），然后按“ID”分组，filter“日期”的difference大于等于 7

library(dplyr)
library(lubridate)
df1 %>%
  mutate(Date = ymd(Date)) %>%
  group_by(ID)  %>% 
  filter(c(TRUE, diff(Date) >= 7))
# A tibble: 5 x 3
# Groups:   ID [4]
#     ID Date       Type 
#  <int> <date>     <chr>
#1     1 2019-03-12 A    
#2     2 2019-01-07 A    
#3     2 2019-04-20 B    
#4     3 2019-02-09 C    
#5     4 2019-01-19 A

数据

df1 <- structure(list(ID = c(1L, 1L, 2L, 2L, 3L, 4L, 4L), Date = c("2019/03/12", 
"2019/03/12", "2019/01/07", "2019/04/20", "2019/02/09", "2019/01/19", 
"2019/01/23"), Type = c("A", "A", "A", "B", "C", "A", "A")), 
  class = "data.frame", row.names = c(NA, 
-7L))

【讨论】：