R - データフレーム内の2つの基準に基づいて行を削除します

Question

私は住宅販売と12000個のobsと20個の変数を持つデータフレームを持っています。私はお互いの30日以内に同じ住所と販売日を持つ販売を取り除こうとしています。その理由は、データの視覚的検査により、売り上げがMLSによる誤差を記録する可能性が高いとされる相互に30日以内に、これらの「重複」販売が明らかになったことです。したがって、私は回帰分析にそれらを含めていません。私は販売日の基準の範囲を作成するときに役立つように、日付を数値として残しました。これらは、私のデータフレームの2つの関連列です：私は、互いから30日以内に販売日を持っているすべての重複アドレスを検索して、データフレーム

soからそれらを削除しようとしています

Address  SellingDat 
120 N.Main 41540 
305 S.Hill 42530 
2243 Ridge 40002 
120 N.Main 41530 

私は次のようにしようとしましたが、ユニークな値を持つ新しいデータフレームを作成するという基本的なアイデア以外のことを十分に理解していないのです。

data2 <- ddply(data, .(Address, SellingDat), unique) 

アドバイスやアドバイスをいただければ幸いです。私はこれに関連するディスカッションを読んだことがありますが、私がやろうとしていることに基づいてどのように申請するかを理解することはできません。私はRの初心者です。何よりもコードの仕組みを学びたいだけでなく、動作するコードを持つだけではありません。ありがとうございました！

Answer 1

私のコメントに対するあなたの応答は、これを非常に簡単に保ちます。ここではいくつかの少し大きめのサンプルデータです：

data = data.frame(
    Address = c('a', 'b', 'b', 'b', 'b', 'c', 'c', 'd', 'd'), 
    SellingDat = c(1, 1, 10, 50, 90, 10, 20, 1, 100) 
) 
data 
# Address SellingDat 
# 1  a   1 
# 2  b   1 
# 3  b   10 
# 4  b   50 
# 5  b   90 
# 6  c   10 
# 7  c   20 
# 8  d   1 
# 9  d  100 

その後、我々は、住所によって、計算にdplyrを使用して、以前との違いと次の販売日にすることができます。その後、前と次の販売日が30日以上離れている行だけをフィルタリングします。

library(dplyr) 

data %>% group_by(Address) %>% 
    arrange(SellingDat) %>% 
    mutate(time_to_next = c(diff(SellingDat), NA), 
      time_from_last = c(NA, diff(SellingDat))) %>% 
    filter(coalesce(time_to_next, Inf) > 30 & coalesce(time_from_last, Inf) > 30) %>% 
    select(-time_to_next, -time_from_last) %>% 
    arrange(Address, SellingDat) 
# Source: local data frame [5 x 2] 
# Groups: Address [3] 
# 
# Address SellingDat 
# <fctr>  <dbl> 
# 1  a   1 
# 2  b   50 
# 3  b   90 
# 4  d   1 
# 5  d  100 

合体は、欠損値を置き換えますので、私は欠損値が保持されていることを確認するためにInfと合体します。