R：满足条件后所有行的子集数据帧答案

【问题标题】：R: subset dataframe for all rows after a condition is metR：满足条件后所有行的子集数据帧
【发布时间】：2020-12-25 04:32:07
【问题描述】：

所以我有以下形式的数据集：

ID    Var1   Var2
1      2      0
1      8      0
1      12     0
1      11     1
1      10     1
2      5      0
2      8      0
2      7      0
2      6      1
2      5      1

我想对数据框进行子集化并创建一个新的数据框，仅包含 Var1 首次达到其组最大值之后的行（包括发生这种情况的行）直到 Var2 第一次变为 1 的行（还包括这一行）。所以我想要的应该是这样的：

ID    Var1   Var2
1      12     0
1      11     1
2      8      0
2      7      0
2      6      1

原始数据集包含许多 NA，函数应该简单地忽略这些。此外，如果组的 Var2 从未达到“1”，则应该将所有行添加到新数据帧（当然只有 Var1 达到其组最大值之后的行）。但是，我无法绕过编程。有人知道帮忙吗？

【问题讨论】：

标签： r dplyr subset

【解决方案1】：

cumsum 基于filter 的dplyr 解决方案将满足问题的要求。

library(dplyr)

df1 %>%
  group_by(ID) %>%
  filter(cumsum(Var1 == max(Var1)) == 1, cumsum(Var2) <= 1)
## A tibble: 5 x 3
## Groups:   ID [2]
#     ID  Var1  Var2
#  <int> <int> <int>
#1     1    12     0
#2     1    11     1
#3     2     8     0
#4     2     7     0
#5     2     6     1

编辑

这是一个尝试回答 OP 的评论和问题编辑的解决方案。

df1 %>%
  group_by(ID) %>%
  mutate_at(vars(starts_with('Var')), ~replace_na(., 0L)) %>%
  filter(cumsum(Var1 == max(Var1)) == 1, cumsum(Var2) <= 1)

数据

df1 <- read.table(text = "
ID    Var1   Var2
1      2      0
1      8      0
1      12     0
1      11     1
1      10     1
2      5      0
2      8      0
2      7      0
2      6      1
2      5      1
", header = TRUE)

【讨论】：

非常感谢您的回答。但是，这在实际数据集上并不是 100% 有效。对于大多数组来说，只剩下一行，这是不可能的。解决方案如何处理 NA 以及 Var2 中是否没有“1”？我刚刚编辑了问题以使其更清楚
@philipp.kn_98 查看编辑中的解决方案是否回答了问题。

【解决方案2】：

这是data.table Rui Barradas 工作解决方案的翻译：

library(data.table)

dat <- fread(text = "
ID    Var1   Var2
1      2      0
1      8      0
1      12     0
1      11     1
1      10     1
2      5      0
2      8      0
2      7      0
2      6      1
2      5      1
", header = TRUE)

dat[, .SD[cumsum(Var1 == max(Var1)) & cumsum(Var2) <= 1], by="ID"]

【讨论】：

【解决方案3】：

将data.table 与.I 一起使用

library(data.table)
setDT(df1)[df1[, .I[cumsum(Var1 == max(Var1)) & cumsum(Var2) <= 1], by="ID"]$V1]
#   ID Var1 Var2
#1:  1   12    0
#2:  1   11    1
#3:  2    8    0
#4:  2    7    0
#5:  2    6    1

数据

df1 <- structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L), 
    Var1 = c(2L, 8L, 12L, 11L, 10L, 5L, 8L, 7L, 6L, 5L), Var2 = c(0L, 
    0L, 0L, 1L, 1L, 0L, 0L, 0L, 1L, 1L)), class = "data.frame",
    row.names = c(NA, 
-10L))

【讨论】：