r - 在数据框中按组选择第一行和最后一行

Question

如何为以下数据框中的每个唯一 id 选择第一行和最后一行？

tmp <- structure(list(id = c(15L, 15L, 15L, 15L, 21L, 21L, 22L, 22L, 
22L, 23L, 23L, 23L, 24L, 24L, 24L, 24L), d = c(1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), gr = c(2L, 1L, 
1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 2L), mm = c(3.4, 
4.9, 4.4, 5.5, 4, 3.8, 4, 4.9, 4.6, 2.7, 4, 3, 3, 2, 4, 2), area = c(1L, 
2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 2L, 3L)), .Names = c("id", 
"d", "gr", "mm", "area"), class = "data.frame", row.names = c(NA, 
-16L))
tmp
#>    id d gr  mm area
#> 1  15 1  2 3.4    1
#> 2  15 1  1 4.9    2
#> 3  15 1  1 4.4    1
#> 4  15 1  1 5.5    2
#> 5  21 1  1 4.0    2
#> 6  21 1  2 3.8    2
#> 7  22 1  1 4.0    2
#> 8  22 1  1 4.9    2
#> 9  22 1  2 4.6    2
#> 10 23 1  1 2.7    2
#> 11 23 1  1 4.0    2
#> 12 23 1  2 3.0    2
#> 13 24 1  1 3.0    2
#> 14 24 1  1 2.0    3
#> 15 24 1  1 4.0    2
#> 16 24 1  2 2.0    3

Answer 1

快速而简短的data.table解决方案:

tmp[, .SD[c(1,.N)], by=id]

其中.SD表示(D)ata的每个(S)子集，.N是每组中的行数，tmp 是一个data.table；例如默认情况下由 fread() 提供，或者使用 setDT() 转换 data.frame 提供。

请注意，如果一个组仅包含一行，则该行将在输出中出现两次，因为该行既是该组的第一行又是最后一行。为了避免在这种情况下重复，感谢@Thell:

tmp[, .SD[unique(c(1,.N))], by=id]

或者，以下内容使 .N==1 特殊情况的逻辑变得明确:

tmp[, if (.N==1) .SD else .SD[c(1,.N)], by=id]

在 if 的第一部分中不需要 .SD[1]，因为在这种情况下 .N 是 1 所以 .SD 无论如何都必须只是一行。

如果您愿意，您可以将 j 包裹在 {} 中，并在 {} 中包含一整页代码。只要 {} 中的最后一个表达式返回一个类似 list 的对象即可堆叠(例如普通的 list、 data.table 或 data.frame)。

tmp[, { ...; if (.N==1) .SD else .SD[c(1,.N)] } , by=id]