Considere a seguinte situação:
Tenho um banco de dados com duas variáveis. A primeira é uma variável com valores duplicados (ex. CPFxxx.xxx.xxx-xx aparece 14 vezes, CPFxxx.xxx.xxx-xx aparece 18 vezes e assim por diante). A segunda variável são as datas de ocorrência do evento (ex. 2017-01-18, 2017-01-19...) associada a cada CPF.
Uso a função a seguir para remover os casos duplicados:
new<-dataset[!duplicated(dataset[c("CPFs")]),]
E consigo remover as linhas duplicadas.
Meu objetivo: remover as duplicações em CPFs
, mas, na outra variável (data
), fazer com que as mais recentes (ou as mais antigas) permaneçam atreladas ao CPF. Isto é, preciso estabelecer uma ordenação no momento da execução da função.
Assim, se tenho as datas (2018-01-20; 2017-02-22
) atreladas a um CPF, a data atrelada a ele seria: 2017-02-22
.
dput
fictício para auxíliar a resposta:
dataset=structure(list(CPFs = c(1234, 2345, 1234, 2345, 1234, 2345, 1234,
2345), date = c(1998, 1997, 1993, 1992, 1998, 1998, 1992, 1989
)), class = "data.frame", row.names = c(NA, -8L))
Resultado desejado:
CPF date
1234 1992
2345 1989