r - 如何根据一组条件(包括自引用匹配)删除行对？

Question

我正在处理处方药 claim 数据集。当 claim 被取消时，数据系统不仅会删除观察，还会创建一个具有相同处方编号但供应天数显示为负数的新观察。

例如

          DaysSupply RxNumber DateSupplied
        1        -10        1         2018
        2         10        1         2018

我想删除数据集的成对行，如果它们 1) 共享相同的处方编号 (RxNumber)，2) 如果它们具有相同的处方日期 (DateSupplied)，以及 3) 如果 DaysSupply 对应正值和负值(例如 +10 和 -10)。在这种情况下，处方编号是患者特定的 key 。

一个复杂的问题是可以从一个处方号兑换多个药物填充物，因此我想对符合上述条件的 JUST PAIRS 进行重复数据删除，而不是对共享相同处方号的所有行进行重复数据删除。

我不确定我应该采取什么方法。我考虑过使用长 if 语句/dedpulicate 命令，但我不确定如何指示 R 仅对符合上述条件的对进行重复数据删除。

v1 <- c(-10,10,10,-8,8,-6,6,5,4)
v2 <- c(1,1,1,2,2,3,4,9,9)
v3 <- c(2018, 2018, 2018, 2018, 2017, 2016, 2016, 2015, 2014)
df <- data.frame("DaysSupply" = v1, "RxNumber" = v2, "DateSupplied" = v3)

  DaysSupply RxNumber DateSupplied
1        -10        1         2018
2         10        1         2018
3         10        1         2018
4         -8        2         2018
5          8        2         2017
6         -6        3         2016
7          6        4         2016
8          5        9         2015
9          4        9         2014

我想要的输出是:

  DaysSupply RxNumber DateSupplied
3         10        1         2018
4         -8        2         2018
5          8        2         2017
6         -6        3         2016
7          6        4         2016
8          5        9         2015
9          4        9         2014

有什么想法吗？

Answer 1

使用您的示例数据的 dplyr 解决方案。

我在末尾添加了一些行，以使其看起来更好，并使输出看起来与您的相同。我敢肯定有人可以剪掉一两行并使重复删除过程更清晰一些，但我让它做你需要的。

df %>% 
  dplyr::mutate(AbsDaysSupply = abs(DaysSupply)) %>% 
  dplyr::group_by(RxNumber, DateSupplied, AbsDaysSupply) %>% 
  dplyr::arrange(RxNumber, DateSupplied, AbsDaysSupply, DaysSupply) %>% 
  dplyr::mutate(sum = cumsum(DaysSupply)) %>% 
  dplyr::filter(!(sum <= 0 & dplyr::n() > 1)) %>% 
  dplyr::ungroup() %>% 
  dplyr::select(-AbsDaysSupply, -sum) %>% 
  dplyr::arrange(desc(DateSupplied), RxNumber)
# A tibble: 7 x 3
  DaysSupply RxNumber DateSupplied
       <dbl>    <dbl>        <dbl>
1         10        1         2018
2         -8        2         2018
3          8        2         2017
4         -6        3         2016
5          6        4         2016
6          5        9         2015
7          4        9         2014