在组中使用尾巴（）使我有些困惑

Question

我有2个dfs，基本上包含一个日期，一个音量和另外一列。在一个DF上，该列是股票，另一个是位置。

> df
# A tibble: 54,885 × 3
   Position Date       Volume
      <dbl> <date>      <dbl>
 1        2 2003-01-02   1809
 2        1 2003-01-03   1831
 3        1 2003-01-06   2465
 4        1 2003-01-07   1215
 5        1 2003-01-08    955
 6        1 2003-01-09   1192
 7        1 2003-01-10   1901
 8        1 2003-01-13   2110
 9        1 2003-01-14   2521
10        1 2003-01-15   1704
# … with 54,875 more rows 

> df2
# A tibble: 154 × 3
   ticker date           volume
   <chr>  <date>          <dbl>
 1 X29L2  2022-06-01  34015836 
 2 X29L2  2022-06-02 255554864 
 3 X29L2  2022-06-03  52779492 
 4 X29L2  2022-06-06 846971456 
 5 X29L2  2022-06-07 433462592 
 6 X29L2  2022-06-08     31365.
 7 X29L2  2022-06-09   8364060.
 8 X29L2  2022-06-10   7550020 
 9 X29L2  2022-06-13  39714244 
10 X29L2  2022-06-14 821900608 
# … with 144 more rows

我想要每个位置，以及每个股票的最后日期。

让我们从DF2开始：

> df2 %>% 
+   group_by(ticker) %>%
+   do(tail(., n=1))
# A tibble: 7 × 3
# Groups:   ticker [7]
  ticker date           volume
  <chr>  <date>          <dbl>
1 X16D2  2022-07-04 115893395.
2 X16G2  2022-07-04 434399604.
3 X17F3  2022-07-04 206883540.
4 X19Y3  2022-07-04 317255104.
5 X20E3  2022-07-04 291394381.
6 X21O2  2022-07-04 186407123.
7 X29L2  2022-07-04  69635266.

效果很好。日期的范围是

> range(df2$date)
[1] "2022-06-01" "2022-07-04"

，这是我期望的正确输出。

让我们对DF进行相同的操作：

> df %>%   
+   group_by(Position) %>%
+   do(tail(., n=1))
# A tibble: 20 × 3
# Groups:   Position [20]
   Position Date       Volume
      <dbl> <date>      <dbl>
 1        1 2021-12-30 163917
 2        2 2021-11-30 969631
 3        3 2021-10-29 153590
 4        4 2021-09-30  97777
 5        5 2021-08-31 188115
 6        6 2022-07-01   5277
 7        7 2022-06-30  24808
 8        8 2022-05-31  28236
 9        9 2022-04-29   1499
10       10 2022-03-31    197
11       11 2022-02-25    500
12       12 2022-01-31     NA
13       13 2021-12-30     NA
14       14 2015-09-30     NA
15       15 2010-10-29     NA
16       16 2010-09-30     NA
17       17 2010-08-31     NA
18       18 2010-07-30     NA
19       19 2010-03-31     NA
20       20 2009-12-30     NA

位置的范围是：

> range(df$Position)
[1]  1 20

但是如图所示，它可以检索不同的日期，而不是最后一个。 这里的日期范围是：

> range(df$Date)
[1] "2003-01-02" "2022-07-01"

肯定有一个位置1的数据，最多有12个，如下所示：

> df %>% filter(Date == '2022-07-01')
# A tibble: 12 × 3
   Position Date       Volume
      <dbl> <date>      <dbl>
 1        7 2022-07-01   2052
 2        8 2022-07-01   2644
 3        9 2022-07-01    357
 4       10 2022-07-01    260
 5       11 2022-07-01    491
 6       12 2022-07-01    100
 7        1 2022-07-01 525635
 8        2 2022-07-01 107201
 9        3 2022-07-01  39664
10        4 2022-07-01  12479
11        5 2022-07-01  12568
12        6 2022-07-01   5277

有人可以帮助我理解它们的工作方式有所不同，以及我该怎么做才能获得与DF2相同的结果？

谢谢！

Answer 1

在调用tail do 中，可能是不安排的情况。我们要么安排按'位置'，'日期'的数据，然后使用slice_tail by'tocare'进行组

library(dplyr)
df %>% 
   arrange(Position, Date) %>%
   group_by(Position) %>% 
   slice_tail(n = 1) %>%
   # or may use do, but it can be slow
   # do(tail(., n = 1))
   ungroup   

，或者直接使用slice_max没有安排 in

df %>%
   group_by(Position) %>%
   slice_max(n =1, order_by = Date, with_ties = FALSE) %>%
   ungroup

在desc结束订单中的之后>返回第一个唯一

df %>%
   arrange(Position, desc(Date)) %>%
   distinct(Position, .keep_all = TRUE)

值此方法的优势是它不需要分组，然后ungroup（删除组属性）