Question

我有一个数据框：

df <- data.frame(
        Group=c('A','A','A','A','B','B','B','B'),
        Activity = c('EOSP','NOR','EOSP','COSP','NOR','EOSP','WL','NOR'),
        TimeLine=c(1,2,3,4,1,2,3,4)
      )

我只想针对每个组过滤两个活动，并按照我过滤的顺序进行过滤。例如，我只在搜索活动EOSP和NOR，但顺序也是如此。这段代码：

df %>% group_by(Group) %>% 
        filter(all(c('EOSP','NOR') %in% Activity) & Activity %in% c('EOSP','NOR'))

导致：

# A tibble: 6 x 3
# Groups:   Group [2]
  Group Activity TimeLine
  <fct> <fct>       <dbl>
1 A     EOSP            1
2 A     NOR             2
3 A     EOSP            3
4 B     NOR             1
5 B     EOSP            2
6 B     NOR             4

我不希望第3行，因为EOSP在NOR之后出现。同样，对于B组，我也不需要第4行，因为NOR发生在EOSP之前。我该如何实现？

Answer 1

您可以使用match获取Activity == EOSP的第一个实例，并使用slice删除之前的所有内容。完成此操作后，您就可以删除重复项并在EOSP和NOR（即

）上进行过滤

library(tidyverse)

df %>% 
 group_by(Group) %>% 
 mutate(new = match('EOSP', Activity)) %>% 
 slice(new:n()) %>% 
 distinct(Activity, .keep_all = TRUE) %>% 
 filter(Activity %in% c('EOSP', 'NOR'))

给出，

# A tibble: 4 x 4
# Groups:   Group [2]
  Group Activity TimeLine   new
  <fct> <fct>       <dbl> <int>
1 A     EOSP            1     1
2 A     NOR             2     1
3 B     EOSP            2     2
4 B     NOR             4     2

注释1：您可以ungroup()和select(-new)

注意2：此处发出警告消息

（警告消息： 1：在new：4L中：数值表达式包含4个元素：仅第一个使用 2：在new：4L中：数值表达式包含4个元素：仅第一个使用）

不影响我们，因为我们都只需要第一个元素就可以使用

Answer 2

这是data.table软件包的一个选项：您将df与自身结合在一起，对其进行了子集化，仅保留EOSP Activity并计算TimeLine的最小值按组划分，则只能保留TimeLine大于或等于此TimeLine的行，以确保仅在之前有NOR时保留EOSP。然后，如果每个组只保留2个活动，则删除重复的“组”和“活动”：

df[df[Activity=="EOSP", min(TimeLine), by=Group], on="Group"][Activity %in% c("NOR", "EOSP") & TimeLine >= V1][!duplicated(paste(Group, Activity))]

#   Group Activity TimeLine V1
#1:     A     EOSP        1  1
#2:     A      NOR        2  1
#3:     B     EOSP        2  2
#4:     B      NOR        4  2

Answer 3

这是一个dplyr的想法：

df %>%
  filter(Activity %in% c('EOSP','NOR')) %>%
  group_by(Group) %>%
  mutate(tmp = which(Activity == 'EOSP' & !duplicated(Activity))) %>%
  filter(row_number() %in%  c(tmp, tmp+1)) 

# A tibble: 4 x 4
# Groups:   Group [2]
  Group Activity TimeLine   tmp
  <fct> <fct>       <dbl> <int>
1 A     EOSP            1     1
2 A     NOR             2     1
3 B     EOSP            2     2
4 B     NOR             4     2

按分组变量维护顺序过滤

3 个答案: