Question

我有一个像这样的数据框：

ID = c(1,1,1,2,2,2,3,3,3,4,4,4,4)
VAR_1 = c(2,4,6,1,7,9,4,4,3,1,7,4,0)
VAR_2 = c(NA,NA,NA,NA,NA,20190101,20190101,20190101,NA,20190101,NA,NA,NA)
df2 = data.frame(ID,VAR_1,VAR_2)

如果在VAR_2中按组的第一个观察值具有值，我想从此数据框中为每个组（ID）的所有行子集仅应该是ID的3和4中的所有行

为了更好地代表这一点：

df                                       df_subset   

ID VAR_1 VAR_2                           ID VAR_1 VAR_2
1   2     NA                             3   4     20190101                           
1   4     NA                             3   4     20190101
1   6     NA                             3   3     NA
2   1     NA                             4   1     20190101
2   7     NA                             4   7     NA
2   9     20190101                       4   4     NA
3   4     20190101                       4   0     NA
3   4     20190101
3   3     NA
4   1     20190101
4   7     NA
4   4     NA
4   0     NA

我设法分几个步骤进行操作（我仅按组对原始观察结果进行子集处理，将VAR_1分配一个特殊值，重新合并，然后最后按该特殊值进行过滤），但是我想知道有一种更简单，更优雅（也可能）更有效的方法。我不需要VAR_1，因此可以根据需要进行更改以提供更快的解决方案。

任何帮助将不胜感激。

Answer 1

使用dplyr，我们可以group_by ID并仅在每个组中的第一个值为非NA时选择组。

library(dplyr)

df2 %>%
  group_by(ID) %>%
  filter(!is.na(VAR_2[1L]))

#     ID VAR_1    VAR_2
#  <dbl> <dbl>    <dbl>
#1     3     4 20190101
#2     3     4 20190101
#3     3     3       NA
#4     4     1 20190101
#5     4     7       NA
#6     4     4       NA
#7     4     0       NA

某些提取第一个值的方法可能是（感谢@tmfmnk）

df2 %>%  group_by(ID) %>% filter(!is.na(first(VAR_2)))

OR

df2 %>% group_by(ID) %>%  filter(!is.na(nth(VAR_2, 1)))

使用基数R ave

df2[with(df2, ave(!is.na(VAR_2), ID, FUN = function(x) x[1L])), ]

或带有split和subset的复杂

subset(df2, ID %in% names(na.omit(sapply(split(df2$VAR_2, df2$ID), head, 1))))

如果只有第一个观察结果符合条件，是否有一种方法可以将一组子集分组？

1 个答案: