Question

情况：我有一个由不同记录器收集的数据集列表，如下所示：

df <- structure(list(ID = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                  1L, 1L, 1L, 1L, 1L), .Label = "logger1", class = "factor"), OriginalTraitValue = c(0.37968, 
                                                                                                                     0.455131, 0.606376, 0.910194, 1.19499, 1.55612, 1.91735, 2.35493, 
                                                                                                                     2.60147, 2.42803, 1.66277, 1.12656, 0.628537), Temp = c(11.7334, 
                                                                                                                                                                             14.627, 19.3428, 24.5959, 29.6344, 34.7809, 39.606, 44.5389, 
                                                                                                                                                                             49.7914, 54.8254, 59.6391, 64.6695, 69.7002)), class = "data.frame", row.names = c(NA, 
                                                                                                                                                                                                                                                                -13L))

任务：我只想保留在Temp之前和之后至少有两个记录的max(OriginalTraitValue)值的数据集。

我希望这个情节可以使它更清楚。红色=最大值，绿色=保留数据集所需的值。

问题

如何在R中执行此操作，例如使用dplyr？

我已经设法使用Temp来标识与max(OriginalTraitValue)对应的df$Temp[df$OriginalTraitValue == max(df$OriginalTraitValue)]值，但是我在努力寻找必要的位置参数来过滤数据集。

编辑

上面的示例表示我要保留的数据集。完整的数据集如下所示：

    df <- structure(list(ID = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L), .Label = c("logger1", "logger2", "logger3"
), class = "factor"), OriginalTraitValue = c(3.36e-11, 3.68e-11, 
5.12e-11, 6.24e-11, 6.72e-11, 8.64e-11, 1.04e-10, 1.1e-10, 1.18e-10, 
90.34189, 86.332214, 108.00114, 111.190155, 114.34427, 135.1673, 
139.18198, 142.76979, 145.09233, 0.002, 0.06, 0.07, 0.15, 0.17, 
0.17, 0.18, 0.18, 0.15, 0.07, 0.09), Temp = c(16, 18, 20, 22, 
24, 26, 28, 30, 32, 16.726307, 17.376368, 20.193129, 25.06135, 
25.060663, 29.875113, 29.924177, 30.422773, 34.417274, 10, 12.5, 
15, 18, 20, 22.5, 25, 27.5, 30, 32.5, 35)), class = "data.frame", row.names = c(NA, 
-29L))

> summary(df)
       ID     OriginalTraitValue      Temp      
 logger1: 9   Min.   :  0.00     Min.   :10.00  
 logger2: 9   1st Qu.:  0.00     1st Qu.:18.00  
 logger3:11   Median :  0.15     Median :25.00  
              Mean   : 37.02     Mean   :23.90  
              3rd Qu.: 90.34     3rd Qu.:29.92  
              Max.   :145.09     Max.   :35.00

在此数据集中，我只会将ID保留为logger3，因为只有logger3在max(OriginalTraitValue)前后包含至少两个值。

Answer 1

尝试：

library(dplyr)

df %>%
  group_by(ID) %>%
  slice(which.max(OriginalTraitValue) + -2:2) %>%
  filter(n() == 5)

输出：

# A tibble: 5 x 3
# Groups:   ID [1]
  ID      OriginalTraitValue  Temp
  <fct>                <dbl> <dbl>
1 logger1               1.92  39.6
2 logger1               2.35  44.5
3 logger1               2.60  49.8
4 logger1               2.43  54.8
5 logger1               1.66  59.6

如果您想过滤整个小组，而不仅是问题中的5个观察值，还可以执行以下操作：

df %>%
  group_by(ID) %>%
  filter(any(cumsum(row_number() %in% c(which.max(OriginalTraitValue) + -2:2)) == 5))

Answer 2

您可以使用dplyr filter

df %>%
  group_by(ID) %>%
  filter(abs(which(OriginalTraitValue == max(OriginalTraitValue)) - row_number()) <= 2)

  ID      OriginalTraitValue  Temp
  <fct>                <dbl> <dbl>
1 logger1               1.92  39.6
2 logger1               2.35  44.5
3 logger1               2.60  49.8
4 logger1               2.43  54.8
5 logger1               1.66  59.6

使用位于最大值附近的最小值的子集

问题

编辑

2 个答案: