Question

我有一个带有“tag”列的分组data_frame，其值为“0”和“1”。在每个组中，我需要找到第一个出现的“1”并将所有剩余的出现次数更改为“0”。有没有办法在dplyr中实现它？

例如，让我们使用“iris”数据，然后添加额外的“标记”列：

data(iris)
set.seed(1)
iris$tag <- sample( c(0, 1), 150, replace = TRUE, prob = c(0.8, 0.2))
giris <- iris %>% group_by(Species)

在“giris”中，在“setosa”组中，我只需保留第一次出现的“1”（即第4行），并将其余的设置为“0”。这看起来有点像应用面具或其他东西......

有办法吗？我一直在尝试“哪个”和“重复”，但我没有成功。我一直在考虑过滤“1”，保留它们，然后加入其余的设置，但这看起来很尴尬，特别是对于12GB的数据集。

提前致谢！

Answer 1

我们可以尝试

res <- giris %>%
         group_by(Species) %>% 
         mutate(tag1 = ifelse(cumsum(c(TRUE,diff(tag)<0))!=1, 0, tag))

table(res[c("Species", "tag1")])
#            tag1
#Species      0  1
# setosa     49  1
# versicolor 49  1
# virginica  49  1

Answer 2

dplyr选项：

mutate(giris, newcol = as.integer(tag & cumsum(tag) == 1))

或

mutate(giris, newcol = as.integer(tag & !duplicated(tag)))

或使用data.table，相同的方法，但通过引用修改：

library(data.table)
setDT(giris)
giris[, newcol := as.integer(tag & cumsum(tag) == 1), by = Species]

dplyr会覆盖除组中第一次出现的值以外的所有值

2 个答案: