r - 过滤分组变量维护序列

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)
      )

我想过滤 只有每个组有两个事件，并按照我过滤的顺序进行。比如我只找事件 EOSP和 NOR但也有顺序。这段代码:

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

结果是:

# 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 行为 EOSP发生在 NOR 之后.同样对于 B 组，我不想要第 4 行，如 NOR发生在 EOSP 之前.我如何实现这一目标？

Answer 1

您可以使用 match获取 Activity == EOSP 的第一个实例并使用 slice在此之前删除所有内容。完成此操作后，您可以删除重复项并过滤 EOSP和 NOR ， IE。

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'))

这使，

# 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 1:您可以 ungroup()和 select(-new)
注 2:此处发出的警告消息

(Warning messages: 1: In new:4L : numerical expression has 4 elements: only the first used 2: In new:4L : numerical expression has 4 elements: only the first used )

不影响我们，因为我们只需要它来使用第一个元素，因为无论如何都是相同的