Question

我有100个模拟数据集，例如下面显示了单个集合

pid time status
1    2     1
1    6     0
1    4     1
2    3     0
2    1     1
2    7     1
3    8     1
3    11    1
3    2     0

pid表示患者身份。这表明每位患者在时间和状态列上有三条记录。我想编写R代码来删除任何具有0状态的行，如果该行不是给定患者的第一次观察的记录，并且如果它表示第一次观察则保持行为0状态，而在此之后具有状态1的剩余行该患者将删除0。输出应该看起来像

pid time status
1    2     1
1    4     1
2    3     0
3    8     1
3    11    1

由于有100个模拟数据集，状态列中0和1的位置对于所有数据都不相同。任何人都可以帮助提供可以执行此任务的R代码吗？先感谢您。

Answer 1

dplyr包可以提供帮助。我在您的数据示例中添加了一条记录，以便为pid包含多个0值。

按照pid分组，使用函数first，您可以保存第一个状态值。由于这个组将被保留为每个pid的所有记录。然后只是过滤第一条记录是0和row_number（）= 1，以防有更多记录为0（参见pid 4）或第一条记录的状态为1并保留所有状态为1的记录。

df %>% 
  group_by(pid) %>% 
  filter((first(status) == 0 & row_number() == 1) | (first(status) == 1 & status == 1))

# A tibble: 6 x 3
# Groups:   pid [4]
    pid  time status
  <int> <int>  <int>
1     1     2      1
2     1     4      1
3     2     3      0
4     3     8      1
5     3    11      1
6     4     3      0

数据：

df <- structure( list( pid = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L), time = c(2L, 6L, 4L, 3L, 1L, 7L, 8L, 11L, 2L, 3L, 6L, 8L), status = c(1L, 0L, 1L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 1L, 0L) ), .Names = c("pid", "time", "status"), class = "data.frame", row.names = c(NA,-12L) )

Answer 2

这个问题更适合https://stackoverflow.com。

以下是使用tapply()的尝试（它有点冗长）：

dat <- structure(list(pid = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L),
                      time = c(2L, 6L, 4L, 3L, 1L, 7L, 8L, 11L, 2L),
                      status = c(1L, 0L, 1L, 0L, 1L, 1L, 1L, 1L, 0L)),
                 .Names = c("pid", "time", "status"), class = "data.frame",
                 row.names = c(NA, -9L))
ind <- unlist(tapply(dat$status, dat$pid, function(x) {
    # browser()
    y <- (rep(FALSE, length(x)))
    if (x[1] == 1) {
        y[x != 0] <- TRUE
    } else {
        y[1] <- TRUE
    }
    y
}))
dat[ind, ]
#>   pid time status
#> 1   1    2      1
#> 3   1    4      1
#> 4   2    3      0
#> 7   3    8      1
#> 8   3   11      1

ind是TRUE和FALSE s的向量，它将根据您的规则指示是否应保留dat行。

我将tapply(X, INDEX, FUN) apply函数用于向量的子集（此处为X = dat$status），这些子集由分组因子（此处为INDEX = dat$pid）定义。在这里，我使用匿名函数（即FUN = function(x){}）对X的每个子集执行某些操作。特别是，我首先定义y，我将在稍后返回，它是FALSE s的向量。如果子组的第一个状态为1，则将所有非零的元素（即y[x != 0]）转换为TRUE。否则，我只将第一个元素（即y[1]）转换为TRUE。

您可以取消注释browser()语句，并通过键入n（下一个）或x或y来查看该功能的功能（看看它们是什么）是）。

R：如何根据给定列的值删除数据帧的行

2 个答案: