首先，请告诉我，如果我正在做的是使用dplyr，因为我不确定我是否以最好的方式接近它。我有以下数据框：
mydf = data.frame(user = c(7,7,7,7,7,7,7,8,8,8,8,8,8),
col1 = c('0','0','1','1','0','3','NULL','3','3','0','1','0','0'),
col2 = runif(n=13),
col3 = letters[1:13],
stringsAsFactors = FALSE)
> mydf
user col1 col2 col3
1 7 0 0.7607907 a
2 7 0 0.1580448 b
3 7 1 0.8063540 c
4 7 1 0.7331512 d
5 7 0 0.2433631 e
6 7 3 0.2357065 f
7 7 NULL 0.4864172 g
8 8 3 0.6806089 h
9 8 3 0.2229874 i
10 8 0 0.6187911 j
11 8 1 0.7617177 k
12 8 0 0.5884821 l
13 8 0 0.4985750 m
我想做的过滤有点罗嗦，但我会尝试 - 我想通过删除 col1 =='0'的所有行来过滤数据帧，如果该行发生的话在该用户的第一行之后 col1 =='1'。 （粗体表示我搞砸了原来的问题，并切换了0和1）。
例如，对于用户7，第3行有col1 =='1'，所以我想过滤第3行之后的所有行，其中col1 =='0'（在这种情况下，只有第5行）。然后，对于用户8，第11行是该用户的第一行，其中col1 =='1'，因此我想过滤行12和13，因为col1 =='0'。
我的最终输出应该是这样的：
> mydf
user col1 col2 col3
1 7 0 0.7607907 a
2 7 0 0.1580448 b
3 7 1 0.8063540 c
4 7 1 0.7331512 d
6 7 3 0.2357065 f
7 7 NULL 0.4864172 g
8 8 3 0.6806089 h
9 8 3 0.2229874 i
10 8 0 0.6187911 j
11 8 1 0.7617177 k
我尝试了以下内容，但它没有用。我想添加一个rownums列，然后按用户分组，然后过滤我所描述的方式。我的想法是我的过滤器调用有问题：
mydf %>%
mutate(rownums = 1:nrow(mydf)) %>%
group_by(user) %>%
filter(!(col1 == "0" & rownums > min(which(col1 == "1"))))
# A tibble: 9 x 5
# Groups: col0 [2]
user col1 col2 col3 rownums
<dbl> <chr> <dbl> <chr> <int>
1 7 0 0.2088034 a 1
2 7 0 0.2081894 b 2
3 7 1 0.1825428 c 3
4 7 1 0.2143353 d 4
5 7 3 0.1979774 f 6
6 7 NULL 0.2990799 g 7
7 8 3 0.7808038 h 8
8 8 3 0.1694272 i 9
9 8 1 0.1526450 k 11
此输出与正确输出之间的差异在于此输出错误地还过滤了原始数据帧的第10行。
对此有任何帮助表示赞赏！
编辑 - 如果group_by（）％＆gt;％filter（）在R中与dplyr有关，那我就特别好奇。 99％的group_by（）之后是summary（），这显然更有意义。
EDIT2 - 我想我已经知道了！
mydf %>%
group_by(col0) %>%
mutate(rownums = 1:length(col0)) %>%
filter(!(col1 == "0" & rownums > min(which(col1 == "1"))))
只需翻转mutate（）和group_by（）调用的顺序，并稍微调整mutate（）调用，看起来已经完成了。我很乐意听到一个更好的方法。
答案 0 :(得分：3)
有一个cumany函数，对于这些顺序条件很有用，如下所示：
mydf %>%
group_by(user) %>%
mutate(seen_one = cumany(col1 == "1")) %>%
filter(!seen_one | col1 != "0")
这标志着"1"之后的所有行都在＆＃39;流＆＃39;使用seen_one，然后保留不满足其中一个条件的行。 （filter的语义要求将条件反转为“排除”行!(A & B) == !A | !B。）
答案 1 :(得分：1)
以下是dplyr
library(dplyr)
df %>%
group_by(user) %>%
mutate(id1 = row_number(), new_col = max(which(col1 == 1)+1)) %>%
filter(!(col1 == 0 & id1 >= new_col))
给出，
# A tibble: 10 x 6 # Groups: user [2] user col1 col2 col3 id1 new_col <dbl> <chr> <dbl> <chr> <int> <dbl> 1 7 0 0.54742608 a 1 5 2 7 0 0.89271859 b 2 5 3 7 1 0.48999057 c 3 5 4 7 1 0.17163211 d 4 5 5 7 3 0.96146770 f 6 5 6 7 NULL 0.31368382 g 7 5 7 8 3 0.82051455 h 1 5 8 8 3 0.30705440 i 2 5 9 8 0 0.18545358 j 3 5 10 8 1 0.04834678 k 4 5
答案 2 :(得分：1)
可以通过稍微更新您的尝试来解决：
library(dplyr)
mydf %>%
group_by(user) %>%
filter(col1 != 0 | row_number() < which.max(col1 == 1))
# user col1 col2 col3
# <dbl> <chr> <dbl> <chr>
# 1 7 0 0.756522673 a
# 2 7 0 0.168314555 b
# 3 7 1 0.977254798 c
# 4 7 1 0.722721694 d
# 5 7 3 0.407849378 f
# 6 7 NULL 0.245335151 g
# 7 8 3 0.003423735 h
# 8 8 3 0.191716738 i
# 9 8 0 0.626846893 j
#10 8 1 0.546459621 k
使用filter，我们选择col1不等于0的所有行或当前行小于该组第一次出现的索引的那些行。
答案 3 :(得分：1)
交替地，在@ liborm的方向上建立答案提供：
mydf %>%
group_by(user) %>%
mutate(k = cumany(col1 == '0'), j = cumany(col1 == '1')) %>%
filter(!(col1 == 0 & k == TRUE & j == TRUE)) %>%
select(-k,-j)
返回：
user col1 col2 col3
<dbl> <chr> <dbl> <chr>
1 7 0 1 a
2 7 0 1 b
3 7 1 0 c
4 7 1 0 d
5 7 3 0 f
6 7 NULL 1 g
7 8 3 0 h
8 8 3 1 i
9 8 0 1 j
10 8 1 0 k