[R-br] Exclusão de casos por critério temporal

Paulo Dick paulopcdick em gmail.com
Domingo Julho 31 22:06:33 BRT 2016 

Olá Henrique,

Obrigado! Parece atender perfeitamente ao que preciso. Vou testar na base
completa também e retorno.

Abraço


*Paulo Dick*
Estatístico / Epidemiologia em Saúde Pública
Tel.: (55 21) 99591-2716

Em 31 de julho de 2016 21:59, Henrique Dallazuanna <wwwhsd em gmail.com>
escreveu:

> Paulo,
>
> Outra opção seria:
>
> teste[unlist(sapply(split(teste, teste$identificador), function(x)c(TRUE,
> unlist(diff(x$mes) >= 3)))),]
>
> Att
>
> 2016-07-30 17:13 GMT-03:00 Paulo Dick via R-br <r-br em listas.c3sl.ufpr.br>:
>
>> Olá Eder,
>>
>> Agradeço a resposta. Essa estrutura não me atende por completo, pois se
>> eu tiver registros nos meses 3 e 4 ele mantém os dois, já que estão em
>> trimestres diferentes, mesmo com um mês de diferença.
>>
>> Acabei conseguindo montar um monstro aqui, dois loops varrendo os
>> registros um a um, mas que serviu ao que eu precisava:
>>
>> teste <-
>> structure(list(identificador = structure(c(1L, 1L, 2L, 2L, 3L,
>>   3L, 4L, 4L, 5L, 5L, 6L, 6L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 10L,
>>   10L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9",
>>     "10"), class = "factor"), ano = c(2016L, 2016L, 2016L, 2016L,
>>       2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L,
>>       2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L), mes =
>> c(5L,
>>         6L, 2L, 7L, 3L, 7L, 2L, 6L, 2L, 5L, 5L, 6L, 6L, 7L, 1L, 3L, 6L,
>>         3L, 6L, 2L, 7L)), .Names = c("identificador", "ano", "mes"),
>> row.names = c(NA,
>>           21L), class = "data.frame")
>>
>> ### LIMPEZA ###
>>
>> # Separa vetor com os nomes dos individuos onde ha duplicata no registro
>> de temporarios
>> individuos <- as.character(unique(teste$identificador))
>>
>> # Cria objeto que recebera a base de temporarios apos limpeza
>> teste_limpo <- data.frame(matrix(NA, 0, ncol(teste)))
>> names(teste_limpo) <- names(teste)
>>
>> # Loop
>> for (contador in individuos) {
>>
>>   # Separa os registros para cada individuo
>>   teste_individual <- subset(teste, identificador == contador)
>>
>>   # Loop para cada registro no individuo - comeca no primeiro registro,
>> que sera o mais antigo dado que a base esta ordenada
>>   i = 1
>>
>>   repeat {
>>
>>     # Descarta os casos em que a diferenca de tempo e menor que 3 meses
>> com relacao a base
>>     aux <- subset(teste_individual,
>>                   !(0 < teste_individual$mes-teste_individual$mes[i] &
>>                       teste_individual$mes-teste_individual$mes[i] < 3))
>>
>>     # Atualiza os registros do individuo
>>     teste_individual <- aux
>>
>>     # Atualiza contador para voltar e pegar o proximo registro do mesmo
>> individuo
>>     i <- i+1
>>
>>     # Quando percorrer todos os registros (do individuo) remanescentes
>> apos cada etapa da limpeza, sai do repeat
>>     if (i >= nrow(aux)) break
>>   }
>>
>>   # Apos percorrer todos os registros do individuo e executar a limpeza,
>> agrega a base que sera a final
>>   teste_limpo <- rbind(teste_limpo, teste_individual)
>>
>> }
>>
>>
>>
>> *Paulo Dick*
>> Estatístico / Epidemiologia em Saúde Pública
>> Tel.: (55 21) 99591-2716
>>
>> Em 29 de julho de 2016 10:20, Éder Comunello <comunello.eder em gmail.com>
>> escreveu:
>>
>>> Paulo, bom dia!
>>>
>>> # Uma alternativa é identificar o trimestre de cada observação...
>>> dat <- data.frame(id=rep(1:4, 6:3), ano=2016,
>>> mes=c(1,2,3,5,6,10,3,7,8,11,12,2,5,9,12,1,3,4))
>>> dat$tri <- ceiling(dat$mes/4)+1
>>>
>>> # E preservar somente a mais antiga dentro de cada trimestre...
>>> del <- which(duplicated(dat[,c(1,2,4)]))
>>> dat[-del,] # dados que permanecem
>>> dat[del,]  # dados retirados
>>>
>>>
>>> ================================================
>>> Éder Comunello
>>> Researcher at Brazilian Agricultural Research Corporation (Embrapa)
>>> DSc in Agricultural Systems Engineering (USP/Esalq)
>>> MSc in Environ. Sciences (UEM), Agronomist (UEM)
>>> ---
>>> Embrapa Agropecuária Oeste, Dourados, MS, Brazil |<O>|
>>> ================================================
>>> GEO, -22.2752, -54.8182, 408m
>>> UTC-04:00 / DST: UTC-03:00
>>>
>>>
>>>
>>>
>>> Em 27 de julho de 2016 09:07, Paulo Dick via R-br <
>>> r-br em listas.c3sl.ufpr.br> escreveu:
>>>
>>>> Companheiros, bom dia.
>>>>
>>>> Gostaria que me ajudassem na solução do seguinte problema:
>>>>
>>>> Tenho uma base que possui mais de um registro por indivíduo, que
>>>> preciso fazer uma limpeza a partir das variáveis mês e ano. Preciso retirar
>>>> apenas os registros que possuem intervalo de tempo menor que 3 meses entre
>>>> eles, priorizando os registros mais antigos. Ou seja, se tenho 4 registros
>>>> para um mesmo indivíduo, nos meses 1, 3, 5 e 6 (mesmo ano), fico com as
>>>> linhas dos meses 1 e 5, e excluo a linha dos meses 3 e 6.
>>>>
>>>> Segue sintaxe para gerar fragmento extraído desta base:
>>>> structure(list(identificador = structure(c(1L, 1L, 2L, 2L, 3L,
>>>> 3L, 4L, 4L, 5L, 5L, 6L, 6L, 7L, 7L, 8L, 8L, 8L, 9L, 9L, 10L,
>>>> 10L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9",
>>>> "10"), class = "factor"), ano = c(2016L, 2016L, 2016L, 2016L,
>>>> 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L,
>>>> 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L, 2016L), mes = c(5L,
>>>> 6L, 2L, 7L, 3L, 7L, 2L, 6L, 2L, 5L, 5L, 6L, 6L, 7L, 1L, 3L, 6L,
>>>> 3L, 6L, 2L, 7L)), .Names = c("identificador", "ano", "mes"), row.names
>>>> = c(NA,
>>>> 21L), class = "data.frame")
>>>>
>>>> Agradeço pela ajuda.
>>>>
>>>> Abraços
>>>>
>>>> *Paulo Dick*
>>>> Estatístico / Epidemiologia em Saúde Pública
>>>> Tel.: (55 21) 99591-2716
>>>>
>>>> _______________________________________________
>>>> R-br mailing list
>>>> R-br em listas.c3sl.ufpr.br
>>>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>>>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
>>>> código mínimo reproduzível.
>>>>
>>>
>>>
>>
>> _______________________________________________
>> R-br mailing list
>> R-br em listas.c3sl.ufpr.br
>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
>> código mínimo reproduzível.
>>
>
>
>
> --
> Henrique Dallazuanna
> Curitiba-Paraná-Brasil
> 25° 25' 40" S 49° 16' 22" O
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20160731/8aefdddb/attachment.html>

Mais detalhes sobre a lista de discussão R-br