dplyr 有条件地仅过滤唯一项目

Question

我有一个具有 $ID、$Age 和 $Score 特征的数据框。我想将其过滤为分数低于特定值的唯一 ID。对于多个分数低于阈值的 ID，我只想保留最旧的（即最大年龄）。

这是我尝试实现它的方法，但由于循环，它很慢。有没有办法使用 dplyr 或类似的库来加快速度？

#find the indexes of the items below the threshold
idx <- df$Score <= threshold
#select the below threshold rows
df <- df[idx,]
#find the unique IDs
unique_ids <- unique(df$ID)
unique_items <- data.frame(matrix(ncol=3, nrow=length(unique_ids)))
colnames(unique_items) <- colnames(df)
#loop through each unique ID
for(i in 1:length(unique_ids))
  {
    #find all the items that match that unique ID
    my.list <- df[df$ID == unique_ids[i],]
    #find the index of the oldest unique item that is below the threshold
    oldest_idx <- which.max(my.list$Age)
    #assign it the the result dataframe
    unique_items[i,] <- my.list[oldest_idx,]
  }

Answer 1

我们也可以使用

df %>%
  filter(Score < 5) %>%
  group_by(ID) %>%
  slice(which.min(Age))

Answer 2

样本数据

library(dplyr)
set.seed(2021)
df <- tibble(ID=rep(1:2, each=5), Age=sample(10), Score=c(1:5, 3:7))
df
# # A tibble: 10 x 3
#       ID   Age Score
#    <int> <int> <int>
#  1     1     7     1
#  2     1     6     2
#  3     1     9     3
#  4     1     2     4
#  5     1     4     5
#  6     2     8     3
#  7     2    10     4
#  8     2     5     5
#  9     2     1     6
# 10     2     3     7

答案：

df %>%
  filter(Score < 5) %>%
  group_by(ID) %>%
  slice_min(Age) %>%
  ungroup()
# # A tibble: 2 x 3
#      ID   Age Score
#   <int> <int> <int>
# 1     1     2     4
# 2     2     8     3

这里min-score为5，返回5岁以下的最大年龄记录。