Question

我的数据集如下（这只是下面的示例）：

dataframe<-data.frame("id" = c(1,2,5,7,9,21,22,23),"questionfk"=c(145,51,51,145,145,51,145,51))

在此数据中，id表示问题的顺序。 Questionfk，是问题ID。

我想在questionfk 145和51上过滤这些数据，其中145是在51之后第二个问题之前被问到的。所以我最终想要的是以下内容：

dataframefiltered<-data.frame("id" = c(1,2,22,23),"questionfk"=c(145,51,145,51))

我用很多if来做这件事，并且可以用data.table来做这件事吗？如何？

谢谢！

Answer 1

可能有帮助

library(data.table)
setDT(dataframe)[dataframe[, {indx=which(c(TRUE, questionfk[-1]==145 &
         questionfk[-.N]==51) & c(TRUE, diff(id)==1))
          sort(c(indx, indx+1))}]]
#    id questionfk
#1:  1        145
#2:  2         51
#3: 22        145
#4: 23         51

Answer 2

我不确定我是否理解你正在寻找的确切条件，但我的基础是想要选择问题145和51，但只有当它按顺序连续出现时才会这样。我意识到这并没有给出与你展示的相同的结果，但可能你可以修改它以匹配正确的条件。

而不是data.table，这里有一种方法可以使用dplyr（大数据集也很快，非常优雅）：

dataframe %>% 
  mutate(last_question = lag(questionfk),
         next_question = lead(questionfk),
         after_145 = last_question==145,
         before_51 = next_question==51) %>%
  filter(after_145 | before_51) %>%
  select(id, questionfk)

选择R中的连续答案

2 个答案: