通过基于日期的排列从长表中获取第一个和最后一个值

Question

我目前正在处理此文件，其中列出了自 1943 年以来法国公社（地方当局）发生的行政事件。

我对变量

DATE_EFF

、

COM_AV

和

COM_AP

感兴趣，尤其是

COM_AV

与

COM_AP

不同的观察结果：

data <- 
  readr::read_csv("v_mvt_commune_2024.csv") |>
  dplyr::select(DATE_EFF, COM_AV, COM_AP) |>
  dplyr::filter(COM_AV != COM_AP)

这是 10 行的示例：

“DATE_EFF”	“COM_AV”	“COM_AP”
1973-01-01	“64031”	“64113”
1968-01-01	“78675”	“95675”
2017-01-01	“86030”	“86281”
2002-09-01	“07021”	“07207”
2005-01-01	“52359”	“52495”
1969-12-01	“25423”	“25138”
1973-01-01	“79232”	“79123”
1973-04-01	“70209”	“70528”
2014-04-17	“05002”	“05139”
1977-11-15	“64113”	“64031”

在此期间，每个公社可能都发生了一些变化。

例如，在上面的示例中，我们可以看到：

1. 64031

   变成了

   64113

    中的 

   1973-01-01

2. 64113

   变成了

   64031

    中的 

   1977-11-15

我想要一个表格，其中

COM_AV

包含第一个值，

COM_AP

包含最后一个值，如下所示：

“COM_AV”	“COM_AP”
“64031”	“64031”

这假设多个

COM_AV

可以指向同一个

COM_AP

，当然，

COM_AV

并不总是与

COM_AP

相同。

使用

tidyverse

解决此问题最有效的方法是什么？

Answer 1

对于相当小的数据集，一种方法是使用迭代。

f <- function(data) {
  # Create a minimum data
  data_1 <- slice_min(data, DATE_EFF, by=COM_AV, with_ties=FALSE, n=1)

  for(i in 1:nrow(data)) {
    AP <- data_1$COM_AP[i]
    
    # Find rows in the whole data containing this AP value in COM_AV
    AP_2 <- filter(data, COM_AV==AP) 

    # While rows exist in the data with COM_AV containing this AP value
    while(nrow(AP_2)>0) {  
      # Find the row with the minimum value for DATE_EFF
      AP_2 <- slice_min(AP_2, DATE_EFF, by=COM_AV, with_ties=FALSE, n=1)
      
      # Save the date
      DATE_EFF <- pull(AP_2, DATE_EFF)
      
      # update COM_AP with the last value found
      data_1$COM_AP[i] <- pull(AP_2, COM_AP)

      # Try to find another
      AP_2 <- filter(data, COM_AV==AP & DATE_EFF>DATE_EFF)
    }
  }
  data_1
}

---

data_2 <- f(data)

filter(data_2, COM_AV=="64031")

---

# A tibble: 1 × 3
  DATE_EFF   COM_AV COM_AP
  <date>     <chr>  <chr> 
1 1973-01-01 64031  64031