Question

我有一个像：

这样的数据集

+----+-------+---------+----------+--+
| id | time  |  event  | timediff |  |
+----+-------+---------+----------+--+
|  1 | 15.00 | install | -        |  |
|  1 | 15.30 | sale    | 00.30    |  |
|  1 | 16.00 | sale    | 00.30    |  |
|  2 | 15.00 | sale    | -        |  |
|  2 | 15.30 | sale    | 0.30     |  |
|  3 | 16.00 | install | -        |  |
|  4 | 15.00 | install | -        |  |
|  5 | 13.00 | install | -        |  |
|  5 | 14.00 | sale    | 01.00    |  |
+----+-------+---------+----------+--+

我想清理这个数据集：我想排除第一个（和下一个n ..）事件是销售但不是安装的ID。我想排除有安装但没有销售的ID（那些ID确实是唯一的）

最终获得如下结果：

+----+-------+---------+----------+
| id | time  |  event  | timediff |
+----+-------+---------+----------+
|  1 | 15.00 | install | -        |
|  1 | 15.30 | sale    | 0.30     |
|  1 | 16.00 | sale    | 0.30     |
|  5 | 13.00 | install | -        |
|  5 | 14.00 | sale    | 01.00    |
+----+-------+---------+----------+

我怎样才能在R中这样做？是否有任何特定的数据包操作包，或者我可以使用if公式？我应该使用tapply吗？

Answer 1

根据这个例子，我们可以按“ID＆id”分组。和filter事件＆＃39;具有first元素的列＆＃39;安装＆＃39;第二次出售＆＃39;获得预期的产出。

df1 %>%
  group_by(id) %>%
  filter(first(event)=='install' & event[2L]=='sale')
    id  time   event timediff
#  (int) (dbl)   (chr)    (dbl)
#1     1  15.0 install       NA
#2     1  15.3    sale      0.3
#3     1  16.0    sale      0.3
#4     5  13.0 install       NA
#5     5  14.0    sale      1.0

或者，如果除了第一个元素之外的所有元素都应该是＆＃39; sale＆＃39;，我们会通过将first元素与＆＃39进行比较来创建逻辑变量（＆＃39; ind＆＃39;） ;安装＆＃39;以及作为＆＃39; sale＆＃39; （使用lead），然后filter组all＆＃39; ind＆＃39;是的。如果需要，我们可以删除＆＃39; ind＆＃39;列使用select。

 df1 %>% 
     group_by(id) %>%
     mutate(ind= first(event)=='install' & lead(event, default='sale')=='sale') %>%
     filter(all(ind)) %>% 
     ungroup() %>% 
     select(-ind)

或者我们可以使用data.table。按＆＃39; id＆＃39;分组，if行数大于1（.N >1），第一个元素是＆＃39;安装＆＃39; （event[1L]=='install'）和all其余元素为＆＃39; sale＆＃39;，然后我们获得Data.table的子集（.SD）。

library(data.table)
setDT(df1)[, if(.N > 1 & event[1L]=='install' & all(event[2:.N]=='sale')) .SD, by = id]
#   id time   event timediff
#1:  1 15.0 install       NA
#2:  1 15.3    sale      0.3
#3:  1 16.0    sale      0.3
#4:  5 13.0 install       NA
#5:  5 14.0    sale      1.0

处理R中的分组数据集

1 个答案: