Question

我有以下数据集：

USERNAME API_TRACK_EVENT         TIME
userA    Viewed pic              1454941960
userA    Order/payment           1454941972
userA    Edit pic                1454941973
userA    Order/Changed Address   1454941976
userB    Viewed pic              1454941983
userB    Order/guestlogin        1454941986
userB    Order/Changed Address   1454941992

我想在数据集上执行以下操作：

订购数据集w.r.t TIME
在第一次发生“订单”事件后删除所有APITRACK_EVENT（目标是在下达第一个订单之前获取用户的所有api跟踪事件）。

那么，我应该怎么做呢？ [也开放使用dplyr。]

A (somewhat)related post

Answer 1

在我们arrange按'USERNAME'，'TIME'并按'USERNAME'分组后，我们首次出现'Order'与grepl和which.max的索引。添加1并从中获取序列（:）到nrow（n()）。由于我们需要从数据集中删除这些行，我们可以使用setdiff来查找不在创建的索引中的行索引以及slice它。

library(dplyr)
df1 %>% 
  arrange(USERNAME, TIME) %>%
  group_by(USERNAME) %>%
  slice(setdiff(row_number(), (which.max(grepl("Order", 
                                API_TRACK_EVENT))+1): n()))    
#   USERNAME  API_TRACK_EVENT       TIME    
#      <chr>            <chr>      <int>
#1    userA       Viewed pic 1454941960
#2    userA    Order/payment 1454941972
#3    userB       Viewed pic 1454941983
#4    userB Order/guestlogin 1454941986

另一种选择是使用filter

df1 %>%
   arrange(USERNAME, TIME) %>% 
   group_by(USERNAME) %>% 
   filter(!lag(cumsum(grepl("Order", API_TRACK_EVENT)), default = 0))
#   USERNAME  API_TRACK_EVENT       TIME
#     <chr>            <chr>      <int>
#1    userA       Viewed pic 1454941960
#2    userA    Order/payment 1454941972
#3    userB       Viewed pic 1454941983
#4    userB Order/guestlogin 1454941986

在R中的grepl之后对行进行排序和过滤（删除）？

1 个答案: