过滤每个主题的多个事件之间的行答案

【问题标题】：Filter Rows Between with Multiple Events per Subject过滤每个主题的多个事件之间的行
【发布时间】：2020-05-12 09:17:13
【问题描述】：

我有一个大型数据集，我正在尝试过滤每个主题的特定事件之后的天数。这个问题是，感兴趣的“事件”可能对某些受试者发生多次，而对于少数受试者，该事件根本不会发生（在这种情况下，它们可以从汇总数据中删除）。

以下是数据示例和我尝试过的示例：

library(tidyverse)

set.seed(355)
subject <- c(rep(LETTERS[1:4], each = 40), rep("E", times = 40))
event <- c(sample(0:1, size = length(subject)-40, replace = T, prob = c(0.95, 0.05)), rep(0, times = 40))
df <- data.frame(subject, event)


df %>%
    filter(event == 1) %>%
    count(subject, event, sort = T)

# A tibble: 4 x 3
  subject event     n
  <fct>   <dbl> <int>
1 D           1     3
2 A           1     2
3 B           1     2
4 C           1     2

所以我们看到受试者 D 发生了 3 次事件，而受试者 A、B 和 C 发生了 2 次事件。对象 E 根本没有发生过这件事。

我的下一步是创建一个“事件”标签，用于标识每个事件发生的位置，然后为所有行生成一个 NA。我还创建了一个事件序列，它在事件之间进行排序，因为我认为它可能有用，但我最终没有尝试使用它。

df_cleaned <- df %>%
    group_by(subject, event) %>%
    mutate(event_seq = seq_along(event == 1),
        event_detail = ifelse(event == 1, "event", NA)) %>%
    as.data.frame()

我尝试了两种不同的方法，使用 filter() 和 between() 来获取每个事件以及每个事件之后的 2 行。由于主题内的多个事件，这两种方法都会产生错误。我想不出一个好的解决方法。

方法一：

df_cleaned %>%
    group_by(subject) %>%
    filter(., between(row_number(), 
        left = which(!is.na(event_detail)),
        right = which(!is.na(event_detail)) + 1))

方法二：

df_cleaned %>%
    group_by(subject) %>%
    mutate(event_group = cumsum(!is.na(event_detail))) %>%
    filter(., between(row_number(), left = which(event_detail == "event"), right = which(event_detail == "event") + 2))

【问题讨论】：

是的，对不起，本。所需的输出将是一个数据框，其中每个主题的行对应于具有“事件”的行，然后是该事件之后的 2 行（存在事件时总共 3 行）。
非常感谢使用 set.seed() 创建可重现的数据并分享您的编码尝试。一个准备充分的问题。

标签： r filter tidyverse

【解决方案1】：

如果要在event 中获取带有1 的行以及以下两行，可以执行以下操作。感谢 splitstackshape 包的作者 Ananda Mahto，我们可以使用返回列表的 getMyRows() 处理这种类型的操作。您可以在函数中指定一系列行。这里我说的是 0:2。因此，我要求 R 在事件中使用 1 和以下两行来获取每一行。我使用bind_rows() 返回一个数据框。但如果您需要使用列表，则不必这样做。

install_github("mrdwab/SOfun")
library(SOfun)
library(dplyr)

ind <- which(x = df$event == 1)
bind_rows(getMyRows(data = df, pattern = ind, range = 0:2))

   subject event
1        A     1
2        A     0
3        A     0
4        A     1
5        A     0
6        A     0
7        B     1
8        B     0
9        B     0
10       B     1
11       B     0
12       B     0
13       C     1
14       C     0
15       C     0
16       C     1
17       C     0
18       C     0
19       D     1
20       D     0
21       D     0
22       D     1
23       D     0
24       D     0
25       D     1
26       D     0
27       D     0

【讨论】：

【解决方案2】：

这是一个基本的 R 选项，看起来类似于 @jazzurro 的尝试。我们得到event == 1的行索引，然后从每个索引中选择接下来的两行，使用unique，所以如果有重叠的索引，我们只选择唯一的索引并从原始df中子集它。

inds <- which(df$event == 1)
df[unique(c(sapply(inds, `+`, 0:2))), ]

#    subject event
#3         A     1
#4         A     0
#5         A     0
#22        A     1
#23        A     0
#24        A     0
#59        B     1
#60        B     0
#61        B     0
#62        B     1
#63        B     0
#64        B     0
#....

使用dplyr 的另一个选项，可能是使用lag

library(dplyr)
df %>%
  group_by(subject) %>%
  filter(event == 1 | lag(event) == 1 | lag(event, 2) == 1)

【讨论】：

【解决方案3】：

这是一个tidyverse 方法，它使用cumsum() 在事件之后（包括）创建行组，并选择每个组的前 3 行：

df %>%
  group_by(subject) %>%
  mutate(event_group = cumsum(event == 1L)) %>% 
  group_by(event_group, add = TRUE) %>% 
  filter(event_group > 0 & row_number() <= 3L)

# A tibble: 27 x 3
# Groups:   subject, event_group [9]
   subject event event_group
   <fct>   <dbl>       <int>
 1 A           1           1
 2 A           0           1
 3 A           0           1
 4 A           1           2
 5 A           0           2
 6 A           0           2
 7 B           1           1
 8 B           0           1
 9 B           0           1
10 B           1           2
# … with 17 more rows

为了测试边缘情况，这里是一个修改过的数据集，其中subject A 以三个后续事件开头。此外，我添加了行号 rn 以检查是否选择了正确的行：

df2 <- df %>% 
  mutate(event = ifelse(row_number() <= 2L, 1L, event),
         rn = row_number())

现在我们得到

df2 %>%
  group_by(subject) %>%
  mutate(event_group = cumsum(event == 1L)) %>% 
  group_by(event_group, add = TRUE) %>% 
  filter(event_group > 0 & row_number() <= 3L)

# A tibble: 29 x 4
# Groups:   subject, event_group [11]
   subject event    rn event_group
   <fct>   <dbl> <int>       <int>
 1 A           1     1           1
 2 A           1     2           2
 3 A           1     3           3
 4 A           0     4           3
 5 A           0     5           3
 6 A           1    22           4
 7 A           0    23           4
 8 A           0    24           4
 9 B           1    59           1
10 B           0    60           1
# … with 19 more rows

这符合我对这种极端情况的期望。

【讨论】：