r - 在某些条件适用时允许最大数量的条目

Question

我有一个包含很多条目的数据集。这些条目中的每一个都属于某个 ID(belongID)，条目是唯一的(带有 uniqID)，但多个条目可以来自同一个源(sourceID)。来自同一源的多个条目也可能具有相同的belongID。出于研究的目的，我需要对数据集进行处理，我必须删除单个 sourceID 的条目，这些条目对于 1 个 belongID 出现 5 次以上。需要保留的最多 5 个条目是具有最高“时间”值的条目。

为了说明这一点，我有以下示例数据集:

   belongID   sourceID uniqID   Time     
   1           1001     101       5            
   1           1002     102       5        
   1           1001     103       4        
   1           1001     104       3       
   1           1001     105       3     
   1           1005     106       2        
   1           1001     107       2       
   1           1001     108       2       
   2           1005     109       5                
   2           1006     110       5        
   2           1005     111       5        
   2           1006     112       5        
   2           1005     113       5      
   2           1006     114       4        
   2           1005     115       4        
   2           1006     116       3       
   2           1005     117       3                
   2           1006     118       3       
   2           1005     119       2        
   2           1006     120       2        
   2           1005     121       1      
   2           1007     122       1        
   3           1010     123       5        
   3           1480     124       2  

最后的例子应该是这样的:

   belongID   sourceID uniqID   Time     
   1           1001     101       5            
   1           1002     102       5        
   1           1001     103       4        
   1           1001     104       3       
   1           1001     105       3     
   1           1005     106       2        
   1           1001     107       2           
   2           1005     109       5                
   2           1006     110       5        
   2           1005     111       5        
   2           1006     112       5        
   2           1005     113       5      
   2           1006     114       4        
   2           1005     115       4        
   2           1006     116       3       
   2           1005     117       3                
   2           1006     118       3           
   2           1007     122       1        
   3           1010     123       5        
   3           1480     124       2     

文件中有更多带有数据条目的列，但选择必须完全基于时间。如示例中所示，也可能出现具有相同belongID 的sourceID 的第5 个和第6 个条目具有相同的时间。在这种情况下，只需要选择 1，因为 max=5。

出于说明目的，这里的数据集按照所属 ID 和时间进行了很好的排序，但在实际数据集中，情况并非如此。知道如何解决这个问题吗？我还没有遇到过类似的东西..

Answer 1

如果 dat是你的数据框:

do.call(rbind, 
        by(dat, INDICES=list(dat$belongID, dat$sourceID), 
           FUN=function(x) head(x[order(x$Time, decreasing=TRUE), ], 5)))