Question

当我基于lag（）函数过滤数据集时，我丢失了每个组中的第一行（因为这些行没有滞后值）。我怎样才能避免这种情况，以便尽管没有任何滞后值，我仍保留第一行？

ds <- 
  structure(list(mpg = c(21, 21, 21.4, 18.7, 14.3, 16.4), cyl = c(6, 
  6, 6, 8, 8, 8), hp = c(110, 110, 110, 175, 245, 180)), class = c("tbl_df", 
  "tbl", "data.frame"), row.names = c(NA, -6L), .Names = c("mpg", 
  "cyl", "hp"))

# example of filter based on lag that drops first rows
ds %>% 
  group_by(cyl) %>% 
  arrange(-mpg) %>% 
  filter(hp <= lag(hp))

Answer 1

让filter(hp <= lag(hp))排除lag(hp)为NA的行。您可以为过滤或{/ 1>}的或，就像每个组的顶行一样。

我包含lag(hp)为滞后创建独立变量，仅为了清晰起见而且调试。

prev = lag(hp)

这会产生：

library(tidyverse) ds %>% group_by(cyl) %>% arrange(-mpg) %>% mutate(prev = lag(hp)) %>% filter(hp <= prev | is.na(prev))

Answer 2

由于OP打算将<=（小于或等于）与之前的值一起使用，因此将lag与default = +Inf一起使用就足够了。

此外，由于arrange提供了选择dplyr的选项，因此无需在lag链中进行单独的order_by来电。

因此，解决方案可以写成：

ds %>% 
  group_by(cyl) %>% 
  filter(hp <= lag(hp, default = +Inf, order_by = -mpg))

#Below result is in origianl order of the data.frame though lag was calculated 
#in ordered value of mpg
# # A tibble: 4 x 3
# # Groups: cyl [2]
#     mpg   cyl    hp
#    <dbl> <dbl> <dbl>
# 1  21.0  6.00   110
# 2  21.0  6.00   110
# 3  21.4  6.00   110
# 4  18.7  8.00   175

dplyr :: filter（）基于dplyr :: lag（）而不会丢失第一个值

2 个答案: