Finden Sie den letzten Wert im Zusammenhang mit mehreren Datumsspalten

Question

Ich habe ein Datenrahmen, der wie folgt aussieht:

id  date1 value1  date2 value2  date3 value3 
1 1113 2012-01-14  29 2012-09-29  22 2013-10-28  21 
2 1622 2012-12-05  93 2012-12-05  82 2013-01-22  26 
3 1609 2014-08-30  30 2013-04-07  53 2013-03-20 100 
4 1624 2014-01-20  84 2013-03-17  92 2014-01-10  81 
5 1861 2014-10-08  29 2012-08-19  84 2012-09-21  56 
6 1640 2014-03-05  27 2012-02-28  5 2015-01-11  65 

Ich möchte eine neue Spalte erstellen, je nachdem welcher Wert der drei Säulen „Wert1“ enthält, „value2 ", und" value3 ", das ist das Neueste. Ich muss nicht wissen, mit welchem ​​Datum es verbunden war.

id  date1 value1  date2 value2  date3 value3 value_recent 
1 1113 2012-01-14  29 2012-09-29  22 2013-10-28  21   21 
2 1622 2012-12-05  93 2012-12-05  82 2013-01-22  26   26 
3 1609 2014-08-30  30 2013-04-07  53 2013-03-20 100   30 
4 1624 2014-01-20  84 2013-03-17  92 2014-01-10  81   84 
5 1861 2014-10-08  29 2012-08-19  84 2012-09-21  56   29 
6 1640 2014-03-05  27 2012-02-28  5 2015-01-11  65   65 

-Code Arbeitsbeispiel zu erstellen:

set.seed(1234) 
id <- sample(1000:2000, 6, replace=TRUE) 
date1 <- sample(seq(as.Date('2012-01-01'), as.Date('2016-01-01'), by="day"), 6) 
value1 <- sample(1:100, 6, replace=TRUE) 
date2 <- sample(seq(as.Date('2012-01-01'), as.Date('2016-01-01'), by="day"), 6) 
value2 <- sample(1:100, 6, replace=TRUE) 
date3 <- sample(seq(as.Date('2012-01-01'), as.Date('2016-01-01'), by="day"), 6) 
value3 <- sample(1:100, 6, replace=TRUE) 

df <- data.frame(id, date1, value1, date2, value2, date3, value3) 

Answer 1

Edit: Per @Pierre Lafortune Antwort, können Sie dies tatsächlich kollabieren in eine Aussage.

Bearbeiten 2: Hinzugefügt in Daten mit NAs, auch Code geändert, um NAs zu behandeln.

Dies sollte den Trick ziemlich gut tun. Es erfordert eine Schleife und ich wäre daran interessiert zu sehen, ob jemand eine präzise vekotrisierte Lösung finden könnte.

date_cols <- colnames(df)[grep("date",colnames(df))] 
df$value_recent<-df[cbind(1:nrow(df),grep("date",colnames(df))[apply(sapply(df[,date_cols],as.numeric),1,which.max)]+1)] 
df 

    id  date1 value1 date2 value2 date3 value3 value_recent 
1 1113  <NA>  29 2012-09-29  22 2013-10-28  21   21 
2 1622 2012-12-05  93 2012-12-05  82 2013-01-22  26   26 
3 1609  <NA>  30 2013-04-07  53 2013-03-20 100   53 
4 1624 2014-01-20  84 2013-03-17  92 2014-01-10  81   84 
5 1861 2014-10-08  29 2012-08-19  84 2012-09-21  56   29 
6 1640 2014-03-05  27 2012-02-28  5 2015-01-11  65   65 

Daten:

df<-structure(list(id = c(1113L, 1622L, 1609L, 1624L, 1861L, 1640L 
), date1 = structure(c(NA, 15679, NA, 16090, 16351, 16134), class = "Date"), 
    value1 = c(29L, 93L, 30L, 84L, 29L, 27L), date2 = structure(c(15612, 
    15679, 15802, 15781, 15571, 15398), class = "Date"), value2 = c(22L, 
    82L, 53L, 92L, 84L, 5L), date3 = structure(c(16006, 15727, 
    15784, 16080, 15604, 16446), class = "Date"), value3 = c(21L, 
    26L, 100L, 81L, 56L, 65L)), .Names = c("id", "date1", "value1", 
"date2", "value2", "date3", "value3"), row.names = c(NA, -6L), class = "data.frame") 

Answer 2

Es gibt wahrscheinlich weniger ausführlich Möglichkeiten, dies zu tun, aber hier ist eine Option. Verschieben Sie es zunächst in ein "langes" Format, teilen Sie es dann nach ID auf, sortieren Sie es, extrahieren Sie den aktuellsten Datensatz, und fügen Sie ihn mit dem ursprünglichen Datenrahmen wieder zusammen.

ld <- reshape(df, 
     idvar = "id", 
     varying = list(paste0("date", 1:3), 
         paste0("value", 1:3)), 
     v.names = c("date", "value"), 
     direction = "long") 

recent <- split(ld, ld$id) 
recent <- lapply(recent, function(x) { 
    d <- x[order(x$date), ] 
    d <- d[nrow(d), c(1, 4)] 
    names(d)[2] <- "value_recent" 
d 
}) 

recent <- do.call(rbind, recent) 
merge(df, recent, by = "id") 

#  id  date1 value1  date2 value2  date3 value3 value_recent 
# 1 1204 2014-10-25  73 2012-12-22  39 2015-07-18  62   62 
# 2 1667 2012-01-16  97 2014-02-28  30 2014-12-31  83   83 
# 3 1673 2015-01-16  96 2014-12-16  50 2014-08-05  31   96 
# 4 1722 2015-02-07  10 2013-12-25  4 2012-08-18  93   10 
# 5 1882 2012-10-20  91 2014-12-28  71 2015-09-03  18   18 
# 6 1883 2012-03-30  73 2015-04-26  4 2014-12-23  74   4 

Answer 3

Hier ist eine ähnliche Lösung, die auch mit reshape beginnt aber dann erledigt den Rest in einer Reihe von Rohren:

library(dplyr) 
library(reshape) 

df2 <- reshape(df, 
       varying = list(names(df)[grep("date", names(df))], 
           names(df)[grep("value", names(df))]), 
       v.names = c("date", "value"), 
       direction = "long") %>% 
    # order data for step to come 
    arrange(id, date) %>% 
    # next two steps cut down to last (ordered) obs for each id 
    group_by(id) %>% 
    slice(n()) %>% 
    # keep only the columns we need and rename the value column for merging 
    select(id, most.recent = value) %>% 
    # merge the values back into the original data frame, matching on id 
    left_join(df, .) 

Answer 4

ich apply bin mit über die Reihen gehen für das letzte Datum suchen. Verwenden Sie dann diesen Index, um den entsprechenden Wert zu finden. Wir verwenden eine Matrix subsetting Methode zu halten, prägnante:

indx <- apply(df[grep("date", names(df))], 1, function(x) which(x == max(x))[1]) 
df$value_recent <- df[grep("val", names(df))][cbind(1:nrow(df), indx)] 
#  id  date1 value1  date2 value2  date3 value3 value_recent 
# 1 1113 2012-01-14  29 2012-09-29  22 2013-10-28  21   21 
# 2 1622 2012-12-05  93 2012-12-05  82 2013-01-22  26   26 
# 3 1609 2014-08-30  30 2013-04-07  53 2013-03-20 100   30 
# 4 1624 2014-01-20  84 2013-03-17  92 2014-01-10  81   84 
# 5 1861 2014-10-08  29 2012-08-19  84 2012-09-21  56   29 
# 6 1640 2014-03-05  27 2012-02-28  5 2015-01-11  65   65 

(Anmerkung:. Ihre Daten auf diese Weise der Anordnung wird mehr Mühe als gut schaffen)