我已搜查高和低的解决方案，但我不能找到一个.....
我的数据框（基本上是没有的表1个的运动队按日期）拥有众多的场合一个或多个团队将在数据“重现”。 我想在退出每个周期的开始（或结束）日期没有。 1，每队。
的数据的一个例子可以是：
x1<- as.Date("2013-12-31")
adddate1 <- 1:length(teams1)
dates1 <- x1 + adddate1
teams2 <- c(rep("w", 3), rep("c", 8), rep("w", 4))
x2<- as.Date("2012-12-31")
adddate2 <- 1:length(teams2)
dates2 <- x2 + adddate2
dates <- c(dates2, dates1)
teams <- c(teams2, teams1)
df <- data.frame(dates, teams)
df$year <- year(df$dates)
这对于2013的样子：
dates teams year
1 2013-01-01 w 2013
2 2013-01-02 w 2013
3 2013-01-03 w 2013
4 2013-01-04 c 2013
5 2013-01-05 c 2013
6 2013-01-06 c 2013
7 2013-01-07 c 2013
8 2013-01-08 c 2013
9 2013-01-09 c 2013
10 2013-01-10 c 2013
11 2013-01-11 c 2013
12 2013-01-12 w 2013
13 2013-01-13 w 2013
14 2013-01-14 w 2013
15 2013-01-15 w 2013
但是，使用ddply集合了相同名称的团队，并返回以下内容：
split <- ddply(df, .(year, teams), head,1)
split <- split[order(split[,1]),]
dates teams year
2 2013-01-01 w 2013
1 2013-01-04 c 2013
3 2014-01-01 c 2014
4 2014-01-09 k 2014
有没有更优雅的方式来做到这一点不是创建它会去通过原DF和每个子集返回一个唯一值，将其添加到DF，然后使用ddply纳入新的独特的价值回归我想要什么功能？
你说一些球队“重现”，并在这一点上我认为小intergroup的辅助函数， 这个答案可能就在这里的工具。 当你的情况，也有团队，例如“W”，在同年再次出现，如2013年，另一支球队已经存在了一段时间后，如“C”是非常有用的。 现在，如果你要正确对待每队作为单独的组occurence的每个序列，以获得该序列的第一个或最后日期，当这个功能非常有用。 需要注意的是，如果你只按“团队”和“年”，你通常会做，每个团队，如“W”只能（在dplyr使用“总结”时为例）有一个第一/最后日期。
定义函数：
intergroup <- function(var, start = 1) {
cumsum(abs(c(start, diff(as.numeric(as.factor(var))))))
}
现在组数据首先由一年，然后还用在球队列组间的功能：
library(dplyr)
df %>%
group_by(year) %>%
group_by(teamindex = intergroup(teams), add = TRUE) %>%
filter(dense_rank(dates) == 1)
最后，您可以根据自己的需要进行筛选。 这里有个例子，我筛选分钟日期。 其结果将是：
#Source: local data frame [3 x 4]
#Groups: year, teamindex
#
# dates teams year teamindex
#1 2013-01-01 w 2013 1
#2 2013-01-04 c 2013 2
#3 2013-01-12 w 2013 3
需要注意的是团队的“W”再次出现，因为我们通过我们使用群体间的函数创建“teamindex”分组。
做过滤另一种选择是这样的（使用安排，然后slice ）：
df %>%
group_by(year) %>%
group_by(teamindex = intergroup(teams), add = TRUE) %>%
arrange(dates) %>%
slice(1)
我使用的数据是从akrun的答案。
你也可以使用rle创建teamindex 。
library(dplyr)
df %>%
group_by(year) %>%
group_by(teamindex= with(rle(teams),
rep(seq_along(lengths), lengths)), add=TRUE) %>%
filter(dates==min(dates)) #or #filter(dates==max(dates))
# dates teams year teamindex
#1 2013-01-01 w 2013 1
#2 2013-01-04 c 2013 2
#3 2013-01-12 w 2013 3
要么
df %>%
group_by(year) %>%
group_by(teamindex= with(rle(teams),
rep(seq_along(lengths), lengths)), add=TRUE) %>%
arrange(dates) %>%
slice(n()) #or #slice(1)
# dates teams year teamindex
#1 2013-01-03 w 2013 1
#2 2013-01-11 c 2013 2
#3 2013-01-15 w 2013 3
数据
df <- structure(list(dates = structure(c(15706, 15707, 15708, 15709,
15710, 15711, 15712, 15713, 15714, 15715, 15716, 15717, 15718,
15719, 15720), class = "Date"), teams = c("w", "w", "w", "c",
"c", "c", "c", "c", "c", "c", "c", "w", "w", "w", "w"), year = c(2013L,
2013L, 2013L, 2013L, 2013L, 2013L, 2013L, 2013L, 2013L, 2013L,
2013L, 2013L, 2013L, 2013L, 2013L)), .Names = c("dates", "teams",
"year"), row.names = c("1", "2", "3", "4", "5", "6", "7", "8",
"9", "10", "11", "12", "13", "14", "15"), class = "data.frame")
