r - Group_by 然后用 dplyr 过滤

Question

首先，请让我知道我正在做的事情是否对 dplyr 使用不当，因为我不确定我是否以最好的方式来解决这个问题。我有以下数据框:

mydf = data.frame(user = c(7,7,7,7,7,7,7,8,8,8,8,8,8),
                  col1 = c('0','0','1','1','0','3','NULL','3','3','0','1','0','0'),
                  col2 = runif(n=13),
                  col3 = letters[1:13], 
                  stringsAsFactors = FALSE)

> mydf
   user col1      col2 col3
1     7    0 0.7607907    a
2     7    0 0.1580448    b
3     7    1 0.8063540    c
4     7    1 0.7331512    d
5     7    0 0.2433631    e
6     7    3 0.2357065    f
7     7 NULL 0.4864172    g
8     8    3 0.6806089    h
9     8    3 0.2229874    i
10    8    0 0.6187911    j
11    8    1 0.7617177    k
12    8    0 0.5884821    l
13    8    0 0.4985750    m

我想做的过滤有点罗嗦，但我会尝试 - 我想通过删除所有行来过滤数据帧 col1 == '0' 如果该行出现在该用户的第一行之后，其中 col1 == '1' . (粗体表示我搞砸了原来的问题，并切换了 0 和 1)。

例如，对于用户 7，第 3 行的 col1 == '1'，所以我想过滤第 3 行之后的所有行，其中 col1 == '0'(在这种情况下，只有第 5 行)。然后，对于用户 8，第 11 行是该用户的第一行，其中 col1 == '1'，因此我想过滤第 12 行和第 13 行，因为 col1 == '0'。

我的最终输出应该是这样的:

> mydf
   user col1      col2 col3
1     7    0 0.7607907    a
2     7    0 0.1580448    b
3     7    1 0.8063540    c
4     7    1 0.7331512    d
6     7    3 0.2357065    f
7     7 NULL 0.4864172    g
8     8    3 0.6806089    h
9     8    3 0.2229874    i
10    8    0 0.6187911    j
11    8    1 0.7617177    k

我尝试了以下方法，但没有奏效。我想添加一个 rownums 列，然后按用户分组，然后过滤我所描述的工作方式。我的想法是我的过滤器调用有问题:

mydf %>%
  mutate(rownums = 1:nrow(mydf)) %>%
  group_by(user) %>%
  filter(!(col1 == "0" & rownums > min(which(col1 == "1"))))

# A tibble: 9 x 5
# Groups:   col0 [2]
   user  col1      col2  col3 rownums
  <dbl> <chr>     <dbl> <chr>   <int>
1     7     0 0.2088034     a       1
2     7     0 0.2081894     b       2
3     7     1 0.1825428     c       3
4     7     1 0.2143353     d       4
5     7     3 0.1979774     f       6
6     7  NULL 0.2990799     g       7
7     8     3 0.7808038     h       8
8     8     3 0.1694272     i       9
9     8     1 0.1526450     k      11

此输出与正确输出之间的区别在于，此输出也错误地过滤了原始数据帧的第 10 行。

对此的任何帮助表示赞赏!

编辑 - 我特别好奇 group_by() %>% filter() 是否在 R 中对于 dplyr 是不好的做法。我的 group_by() 的 99% 后面是 summarise()，这显然更有意义。

EDIT2 - 我想我明白了!

mydf %>%
  group_by(col0) %>%
  mutate(rownums = 1:length(col0)) %>%
  filter(!(col1 == "0" & rownums > min(which(col1 == "1"))))

简单地翻转 mutate() 和 group_by() 调用的顺序，并稍微调整 mutate() 调用，看起来已经完成了。不过，我愿意听取更好的方法。

Answer 1

有一个cumany函数，这对这些顺序条件很有用，如下所示:

mydf %>%
  group_by(user) %>% 
  mutate(seen_one = cumany(col1 == "1")) %>%
  filter(!seen_one | col1 != "0")

即标记 "1" 之后的所有行与 seen_one 一起在“流”中，然后保留不满足其中一个条件的行。 ( filter 的语义需要反转条件以“摆脱”行， !(A & B) == !A | !B 。)