Question

给定一个数据集，如：

set.seed(134)
df<- data.frame(ID= rep(LETTERS[1:5], each=2),
           condition=rep(0:1, 5),
           value=rpois(10, 3)
           )
df

       ID condition value
1   A         0     2
2   A         1     3
3   B         0     5
4   B         1     2
5   C         0     3
6   C         1     1
7   D         0     2
8   D         1     4
9   E         0     1
10  E         1     5

对于每个ID，当condition == 0的值小于condition == 1的值时，我想保留两个观察值。当condition == 0的值大于condition == 1时，我想只保留condition == 0的行。

返回的子集应为：

 ID condition value
1   A         0     2
2   A         1     3
3   B         0     5
5   C         0     3
7   D         0     2
8   D         1     4
9   E         0     1
10  E         1     5

使用dplyr的第一步是：

df %>% group_by(ID) %>%

但不确定从哪里开始。

Answer 1

这可能不是最简单的方法，但应该按照您的意愿工作。

library(reshape2)
df %>% 
    dcast(ID ~ condition, value.var = 'value') %>% # cast to wide format
    mutate(`1` = ifelse(`1` > `0`, `1`, NA)) %>% # turn 0>1 values as NA
    melt('ID') %>% # melt as long format
    arrange(ID) %>% # sort by ID
    filter(complete.cases(.)) # remove NA rows

输出：

ID variable value
1  A        0     2
2  A        1     3
3  B        0     5
4  C        0     3
5  D        0     2
6  D        1     4
7  E        0     1
8  E        1     5

Answer 2

您始终需要每组中第一行的值。如果每个组中的第二行大于第一行，则只需要该值。

这有效：

df %>% 
  group_by(ID) %>% 
  filter(row_number() == 1 | value > lag(value))

编辑：正如@alistaire所指出的，这种方法取决于特定的顺序，这可能是一个好主意，保证如下：

df %>% 
  arrange(ID, condition) %>%
  group_by(ID) %>% 
  filter(row_number() == 1 | value > lag(value))

Answer 3

字面翻译，

library(dplyr)
set.seed(134)

df <- data.frame(ID = rep(LETTERS[1:5], each = 2),
                 condition = rep(0:1, 5),
                 value = rpois(10, 3))

df %>% group_by(ID) %>% 
    filter(condition == 0 | 
               (condition == 1 & value > value[condition == 0]))
#> # A tibble: 8 x 3
#> # Groups: ID [5]
#>   ID    condition value
#>   <fct>     <int> <int>
#> 1 A             0     2
#> 2 A             1     3
#> 3 B             0     5
#> 4 C             0     3
#> 5 D             0     2
#> 6 D             1     4
#> 7 E             0     1
#> 8 E             1     5

这取决于每个小组对condition == 0进行单一观察，但应该相当稳健。

按R中的2列中的条件过滤（子集）（dplyr或其他）

3 个答案: