6

Tenho um conjunto de dados e gostaria de selecionar apenas a menor data entre cada chave primária (coluna MATRICULA). Segue o exemplo do meu DF:

MATRICULA <- c(1,1,3,3,3,4,5,5,5,5,6)
DATA <- c('15/01/2018', '10/12/2017', '20/11/2017', '01/01/2015', 
  '25/10/2018', '02/07/2016', '03/12/2016','17/08/2017', '22/03/2018', 
  '12/06/2018', '13/04/2014')
DADOS <- data.frame(MATRICULA, DATA)

Já utilizo a função abv_data = c(as.Date(DADOS$DATA,"%d/%m/%Y")) para transformar o formato da data.

Portanto, gostaria que o resultado aparecesse apenas a menor data a partir da coluna MATRICULA. O resultado que espero deve ser:

MATRICULA <- c(1,3,4,5,6)
DATA <- c('10/12/2017', '01/01/2015', '02/07/2016', '03/12/2016', '13/04/2014')
DADOS <- data.frame(MATRICULA,DATA)

3 Respostas 3

6

Este problema é bem fácil de resolver utilizando o pacote dplyr. A primeira coisa a se fazer é transformar a coluna DATA em data, para que o R consiga estabelecer uma relação de ordem para ela. Eu vou apenas copiar o teu código original, que estava correto, e sobrescrever a coluna DATA dentro de DADOS:

DADOS$DATA = c(as.Date(DADOS$DATA,"%d/%m/%Y"))

Com isso feito, o pacote dplyr vai servir para agruparmos os teus dados por MATRICULA e, a seguir, procurar o menor valor de DATA para cada uma delas:

DADOS %>% 
  group_by(MATRICULA) %>% 
  slice(which.min(DATA))
# A tibble: 5 x 2
# Groups:   MATRICULA [5]
  MATRICULA DATA      
      <dbl> <date>    
1         1 2017-12-10
2         3 2015-01-01
3         4 2016-07-02
4         5 2016-12-03
5         6 2014-04-13

E pronto. Esta aí o resultado. Ele vai servir para qualquer número de matrículas que tu tiver no teu conjunto de dados, e não vai importar quantas datas existem dentro de cada uma destas matrículas.

6

Duas maneiras com R base.

Com aggregate.

aggregate(abv_data ~ MATRICULA, DADOS, min)
#  MATRICULA   abv_data
#1         1 2017-12-10
#2         3 2015-01-01
#3         4 2016-07-02
#4         5 2016-12-03
#5         6 2014-04-13

Com tapply.

as.Date(tapply(abv_data, DADOS$MATRICULA, FUN = min), origin = "1970-01-01")
#           1            3            4            5            6 
#"2017-12-10" "2015-01-01" "2016-07-02" "2016-12-03" "2014-04-13"
5

Uma outra solução com dplyr é usando filter ao invés do slice.

library(tidyverse)
library(lubridate)

DADOS %>% 
  mutate(DATA = dmy(as.character(DATA))) %>% 
  group_by(MATRICULA) %>% 
  filter(DATA == min(DATA))

# A tibble: 5 x 2
# Groups:   MATRICULA [5]
  MATRICULA DATA      
      <dbl> <date>    
1         1 2017-12-10
2         3 2015-01-01
3         4 2016-07-02
4         5 2016-12-03
5         6 2014-04-13
1
  • Funcionou melhor dessa forma. Como tenho um DF de milhões de linhas, pelo aggregate não tive sucesso. Commented 21/12/2018 às 16:04

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .