仅过滤满足条件的第一行的有效方法？答案

【问题标题】：Efficient way to filter only first rows where condition is met?仅过滤满足条件的第一行的有效方法？
【发布时间】：2020-11-26 15:25:36
【问题描述】：

假设我有一个类似的数据框，

library(dplyr)

data <- tibble(
   label = c("a","a","b","a","c","c","a")
)
data$index <- 1:nrow(data)

我不想子集label == "a" 所在的所有行，而仅这是正确的第一行。

在示例中，我想要前两行：

  label index
  <chr> <int>
1 a         1
2 a         2

因为下一行标签是“b”。应忽略 label == "a" 的所有后续行。

我已经用 for 循环实现了一个丑陋的解决方案，但肯定有一种有效的过滤方式吗？

【问题讨论】：

标签： r dplyr

【解决方案1】：

你可以使用：

data %>% 
  filter(data.table::rleid(label) == 1)

# A tibble: 2 x 2
  label index
  <chr> <int>
1 a         1
2 a         2

【讨论】：

【解决方案2】：

一个选项可能是：

data %>%
 slice_max(label == "a", n = 2, with_ties = FALSE)

  label index
  <chr> <int>
1 a         1
2 a         2

但是，当 n 大于实际组大小时，可能会产生意想不到的结果。解决此问题的解决方案：

data %>%
 slice(head(which(label == "c"), 3))

  label index
  <chr> <int>
1 c         5
2 c         6

【讨论】：

【解决方案3】：

如果你只想使用 rle:

library(dplyr)
data %>% filter(rep(seq_along(rle(label)$values), rle(label)$lengths) == 1)
# A tibble: 2 x 2
  label index
  <chr> <int>
1 a         1
2 a         2

【讨论】：

【解决方案4】：

还有一个选项是与列的lag 进行比较，使用cumsum 创建一个数字索引并将其转换为逻辑到filter

library(dplyr)
data %>% 
      filter(cumsum(label != lag(label, default = first(label))) < 1)
# A tibble: 2 x 2
#  label index
#  <chr> <int>
#1 a         1
#2 a         2

【讨论】：