Question

我想简单地选择leaded变量的前两个或三个值。

想象一下，我的数据看起来像这样

       id variable  leadvar
1       a        0     0
2       a        1     0
3       a        1     0
4       b        0     0
5       b        0     0
6       b        1     0
7       c        0     0
8       c        0     0
9       c        0     0
10      d        1     0
11      d        1     0
12      d        1     0

我想要的是首先lead variable，条件是lead minus 1 = 0（对于每个id）（这意味着主要变量应该1 1}}如果1前面有0），例如：

       id variable  leadvar
1       a        0     1
2       a        1     0
3       a        1     0
4       b        0     0
5       b        0     1
6       b        1     0
7       c        0     0
8       c        0     0
9       c        0     0
10      d        1     0
11      d        1     0
12      d        1     0

然后选择前导后的第一行（以及前导变量本身），如下所示：

       id variable  leadvar
        a        0     1
        a        1     0

        b        0     1
        b        1     0

我正在努力完成最后一步。我希望能够在领导后自由选择行数。我怎样才能做到这一点？

我的代码是：

为了计算lead

library(dplyr) 

dt = dt %>% group_by(id) %>% mutate(leadvar = ifelse(variable == 0 & lead(variable == 1, default = 0), 1, 0) )

我尝试在领导后选择2行，但它不起作用

dt %>% group_by(id) %>% mutate(V4 = variable + leadvar) %>% mutate(m = 1:n()) %>% filter(m < 3)

数据

dt = structure(list(id = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L), .Label = c("a", "b", "c", "d"), class = "factor"), 
variable = c(0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1), lead = c(1, 
0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0)), class = "data.frame", .Names = c("id", "variable", "lead"), row.names = c(NA, -12L))

Answer 1

使用 dplyr 有一些解决这个问题的方法，第一个涉及创建一个额外的变量（ tailvar ）以捕获两个变量 leadvar 是1.由于 dplyr 不保留行编号，我创建了一个额外的列（ rowid ）来证明解决方案选择了请求的行。

dt %>% mutate(leadvar = ifelse(variable == 0 & lead(variable) == 1, 1, 0), 
          tailvar = ifelse(lag(leadvar, default = 0) == 1, 1, 0),
          rowid = row_number()) %>% filter(leadvar ==1 | tailvar ==1)

给出：

     id variable leadvar tailvar rowid
  (chr)    (int)   (dbl)   (dbl) (int)
1     a        0       1       0     1
2     a        1       0       1     2
3     b        0       1       0     5
4     b        1       0       1     6
5     c        0       1       0     9
6     d        1       0       1    10
5     d        1       0       1    11

要选择前导行和前导后的另外2行，您需要使用 lag（lag（leadvar））。由于您需要根据需要嵌套尽可能多的延迟调用以获得所需的值，因此它可能不是最佳解决方案。

使用 dplyr 的更优雅的解决方案是使用 group_by 和 cumsum 创建新列。如果 leadvar 为1或新列（ csvar ）具有您想要的 n 值，则只需过滤即可。

dt %>% mutate(leadvar = ifelse(variable == 0 & lead(variable) == 1, 1, 0), 
              rowid = row_number()) %>%  group_by(id) %>% 
  mutate(csvar=cumsum(variable)) %>% filter(leadvar == 1 | csvar == 2)

给出：

     id variable leadvar rowid csvar
  (chr)    (int)   (dbl) (int) (int)
1     a        0       1     1     0
2     a        1       0     3     2
3     b        0       1     5     0
4     c        0       1     9     0
5     d        1       0    11     2

此解决方案仅适用于变量== 1的行，如果您想获得领导后的任何行，则必须创建一个填充1的虚拟列，然后 group_by 和 cumsum 就是这样。

r - 在超前/滞后后选择第一个值（dplyr）

1 个答案: