R help es - Jan 2017 - Eliminación de filas en data frame según versión del fichero de origen

Hola a todos,
Pongamos que tengo un data frame en el que consolido observaciones
procedentes de múltiples ficheros. Para simplificar:
df <- data.frame(id = c(rep("0001", 4), rep("0002", 2),
rep("0003", 3)),
                 date = c(rep("2016-01-01", 4),
rep("2016-01-10", 2),
rep("2016-02-01", 3)),
                 value = runif(n = 9, min = 10, max = 20),
                 version = c(rep(0, 2), rep(1, 2), rep(0, 2), rep(0, 3)))
El caso es que para un mismo id y date debo quedarme con la observación que
tenga la versión más alta (descartando el resto). Se os ocurre alguna
aproximación al problema?
Muchas gracias por vuestra ayuda
Rubén

	[[alternative HTML version deleted]]

Hola,

Esta puede ser una manera...
> library(data.table)
> dt <- as.data.table(df)
> dt[, tail(.SD,1), by=c('id', 'date')]
     id       date    value version
1: 0001 2016-01-01 18.86864       1
2: 0002 2016-01-10 13.44676       0
3: 0003 2016-02-01 19.16599       0


Saludos,
Carlos Ortega
www.qualityexcellence.es




El 23 de enero de 2017, 18:27, Rubén Coca <ruben.coca en gmail.com>
escribió:
> Hola a todos,
> Pongamos que tengo un data frame en el que consolido observaciones
> procedentes de múltiples ficheros. Para simplificar:
> df <- data.frame(id = c(rep("0001", 4), rep("0002",
2), rep("0003", 3)),
>                  date = c(rep("2016-01-01", 4),
rep("2016-01-10", 2),
> rep("2016-02-01", 3)),
>                  value = runif(n = 9, min = 10, max = 20),
>                  version = c(rep(0, 2), rep(1, 2), rep(0, 2), rep(0, 3)))
> El caso es que para un mismo id y date debo quedarme con la observación que
> tenga la versión más alta (descartando el resto). Se os ocurre alguna
> aproximación al problema?
> Muchas gracias por vuestra ayuda
> Rubén
>
>         [[alternative HTML version deleted]]
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>


-- 
Saludos,
Carlos Ortega
www.qualityexcellence.es

	[[alternative HTML version deleted]]

?Hola.?

2017-01-23 14:27 GMT-03:00 Rubén Coca <ruben.coca en gmail.com>:
> El caso es que para un mismo id y date debo quedarme con la observación que
> tenga la versión más alta (descartando el resto).
>
Si es válido apoyarse en SQL, yo usaría algo como:
> library(sqldf)
> sqldf("select rowid, id, max(value) from df group by id")
  rowid   id max(value)

1     4 0001   19.57054

2     5 0002   14.70713

3     7 0003   19.34788


donde se reporta el número de la fila por si se quiere hacer otro join.?

?Saludos.?

-- 
«Pídeles sus títulos a los que te persiguen, pregúntales
cuándo nacieron, diles que te demuestren su existencia.»

Rafael Cadenas

	[[alternative HTML version deleted]]