每组分配给每个开始时间最晚的结束时间和属于 R 中最高 ID 的传输模式

Question

我有一个数据操作问题，我可以单独解决这两个插补问题，但不能同时解决这两个问题。我有一个按 ID（不同的人）分组的轨道数据集，每个轨道都有开始时间、结束时间、唯一 ID，有时还有运输模式（但这可能会丢失）。可以这么说，在收集数据的过程中出现了一些错误，现在很多轨迹已经保存了多次（所以轨迹具有不同的行程 ID，但相同的人 ID、开始时间和相同的结束时间，或者具有相同的轨迹人员 ID、开始时间和不同的结束时间或交通方式。我发现处理此数据的正确方法是针对具有相同人员 ID 和完全相同开始时间的轨道，以保存最新的结束时间和出行方式属于最高旅行ID。所以，确实会发生相同开始时间的旅行有不同的旅行模式，在这种情况下，我想保持旅行模式属于最高旅行ID（按人员ID和开始时间分组） .但是，这次旅行不一定有最晚的结束时间，我确实需要在该组中保存每个旅行的最晚结束时间（人员ID和开始时间）。如果对于某个旅行根本没有旅行模式，这也需要保持缺失。为我 c 的事实道歉蚂蚁描述得更清楚了，希望这个例子能解释我在找什么：

输入

| ID_person | ID_Track | START | END | mode |
|-----------|----------|-------|-----|------|
| 1         | 1        | 8     | 10  | A    |
| 1         | 2        | 8     | 10  | NA   |
| 1         | 3        | 8     | 10  | B    |
| 1         | 4        | 8     | 11  | NA   |
| 1         | 5        | 8     | 10  | A    |
| 1         | 6        | 8     | 11  | C    |
| 1         | 7        | 12    | 13  | NA   |
| 1         | 8        | 12    | 13  | A    |
| 1         | 9        | 14    | 15  | NA   |
| 2         | 10       | 8     | 9   | NA   |
| 2         | 11       | 8     | 9   | NA   |
| 2         | 12       | 8     | 11  | A    |
| 2         | 13       | 8     | 9   | D    |
| 2         | 14       | 8     | 10  | B    |
| 2         | 15       | 12    | 13  | D    |
| 2         | 16       | 15    | 16  | NA   |

我想要的


| ID_person | ID_Track | START | END | mode |
|-----------|----------|-------|-----|------|
| 1         | 1        | 8     | 11  | C    |
| 1         | 2        | 8     | 11  | C    |
| 1         | 3        | 8     | 11  | C    |
| 1         | 4        | 8     | 11  | C    |
| 1         | 5        | 8     | 11  | C    |
| 1         | 6        | 8     | 11  | C    |
| 1         | 7        | 12    | 13  | A    |
| 1         | 8        | 12    | 13  | A    |
| 1         | 9        | 14    | 15  | NA   |
| 2         | 10       | 8     | 11  | B    |
| 2         | 11       | 8     | 11  | B    |
| 2         | 12       | 8     | 11  | B    |
| 2         | 13       | 8     | 11  | B    |
| 2         | 14       | 8     | 10  | B    |
| 2         | 15       | 12    | 13  | D    |
| 2         | 16       | 15    | 16  | NA   |

获取输入的一些代码

df <- structure(list(ID_person = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                             1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), ID_Track = 1:16, START = c(8L, 
                                                                                         8L, 8L, 8L, 8L, 8L, 12L, 12L, 14L, 8L, 8L, 8L, 8L, 8L, 12L, 15L
                             ), END = c(10L, 10L, 10L, 11L, 10L, 11L, 13L, 13L, 15L, 9L, 9L, 
                                        11L, 9L, 10L, 13L, 16L), mode = c("A", NA, "B", NA, "A", "C", 
                                                                         NA, "A", NA, NA, NA, "A", "D", "B", "D", NA)), .Names = c("ID_person", 
                                                                                                                                    "ID_Track", "START", "END", "mode"), row.names = c(NA, -16L), class = "data.frame")

Answer 1

试试下面的方法：

library(dplyr)

df %>%
  group_by(ID_person, START) %>%
  mutate(
    END = max(END),
    mode = mode[which.max(ID_Track)]
  )

每组分配给每个开始时间最晚的结束时间和属于 R 中最高 ID 的传输模式

per group assign to every start time the latest end time and transport mode that belongs to the highest ID in R

r

data-manipulation

missing-data

dplyr

imputation

输入

我想要的

获取输入的一些代码