Question

我有一个包含名称和日期的数据框。我希望通过连续三年不出现的名称来对数据框进行子集化。这是我的数据框：

data <- data.frame( Name = c("Dex","Dex","Rex","Rex","Rex","Lex","Lex", "Nex","Nex","Nex"), Year = c(2000, 2001, 2000, 2001, 2002, 2001, 2002, 2000, 2001, 2002 ))

Name Year Dex 2000 Dex 2001 Rex 2000 Rex 2001 Rex 2002 Lex 2001 Lex 2002 Nex 2000 Nex 2001 Nex 2002

这是所需的输出：

Name Year Dex 2000 Dex 2001 Lex 2001 Lex 2002

是否有一种方法可以根据不满足的条件对数据进行子集化？

Answer 1

在示例中，所有唯一“名称”的“年份”是连续的。因此，如果不同的“ Year”（年份）少于3个或行数（filter）少于3个，则更简单的选择是按“ Name”和n()分组

library(dplyr)
data %>%
   group_by(Name) %>% 
   filter(n_distinct(Year) < 3)
   #or the number of rows
   # filter(n() < 3)
# A tibble: 4 x 2
# Groups:   Name [2]
#  Name   Year
#  <fct> <dbl>
#1 Dex    2000
#2 Dex    2001
#3 Lex    2001
#4 Lex    2002

一般情况下，按“名称”分组后，我们得到相邻“年”的diff值，检查它是否等于1，即1年差，在游程长度编码中使用（rle）来找出max那些“名称”组中连续{year的序列的最大长度小于filter

data %>%
   group_by(Name) %>% 
   filter(with(rle(c(TRUE, diff(Year)) == 1), max(lengths[values])) < 3)
# A tibble: 4 x 2
# Groups:   Name [2]
#  Name   Year
#  <fct> <dbl>
#1 Dex    2000
#2 Dex    2001
#3 Lex    2001
#4 Lex    2002

如何按不符合条件的行名对数据帧进行子集化？

1 个答案: