选择每组连续1s的行

Question

我有一个数据帧，我想通过仅选择连续值“1”来对其进行子集化。

具体来说，我有一个如下所示的数据框：

library(tidyverse)
library(zoo)

df <- data.frame(matrix(ncol = 3, nrow = 16))
colnames(df) <- c("row_id","id", "k_yes")
df$row_id <- c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16)
df$id <- c("1_1","1_1","1_1","1_1","1_1","1_2","1_2","1_2","1_2","1_2","1_2","1_3","1_3","1_3","1_3","1_3")
df$k_yes <- c(1,1,1,0,1,0,0,0,1,1,0,1,0,1,0,1)
df
   row_id  id k_yes
1       1 1_1     1
2       2 1_1     1
3       3 1_1     1
4       4 1_1     0
5       5 1_1     1
6       6 1_2     0
7       7 1_2     0
8       8 1_2     0
9       9 1_2     1
10     10 1_2     1
11     11 1_2     0
12     12 1_3     1
13     13 1_3     0
14     14 1_3     1
15     15 1_3     0
16     16 1_3     1

我想创建两个数据集：

1) 每组 (

id

) 仅包含“1”，但始终有两个或多个连续的。所以，如果两个“1”之间有一个“0”，至少最后一个“1”应该被丢弃。所以它会接受像这样的序列

1-1

、

1-1-1

等，但不是

0-1-1

或

1-1-1-0

然后，我还想添加一列来知道形成了哪个新组/序列，因为它并不总是与 id 相同（如果 id 内有两个子组/序列）。

这个数据框看起来像这样：

     row_id  id k_yes  new_group
1      1 1_1     1     A
2      2 1_1     1     A
3      3 1_1     1     A
4      9 1_2     1     B
5     10 1_2     1     B

2) 另一种，每组 (

id

) 接受“1”之间的一个“0”，但如果“0”之后没有其他“1”，则不接受。 所以它会接受像这样的序列

1-0-1

、

1-1-0-1

、

1-1-0-1-1

、

1-1-0-1-0-1

等，但不包括像

0-1-1

或

1-1-0

或

1-1-0-0-1

这样的序列（在后面，它只会保留前一个1）。与之前的“new_group”列相同。

df 所需的输出是：

   row_id  id k_yes  new_group
1       1 1_1     1  A 
2       2 1_1     1  A
3       3 1_1     1  A
4       4 1_1     0  A
5       5 1_1     1  A
6       9 1_2     1  B
7      10 1_2     1  B
8      12 1_3     1  C
9      13 1_3     0  C
10     14 1_3     1  C
11     15 1_3     0  C
12     16 1_3     1  C

我尝试遵循这个答案，但它没有成功，正如我所尝试的：

> df |>
     group_by(id) |> 
     mutate(b = c(first(k_yes) , zoo::rollsum(k_yes, 1))) |>
     summarise(groups_to_keep = id[which(b >= 2)]) -> gk

Error in `mutate()`:
ℹ In argument: `b = c(first(k_yes), zoo::rollsum(k_yes, 1))`.
ℹ In group 1: `id = "1_1"`.
Caused by error:
! `b` must be size 5 or 1, not 6.

我认为问题出在

rollsum()

函数上，但是在检查了帮助页面后，我仍然不清楚这个函数应该如何应用。

如有任何帮助，我们将不胜感激！

Answer 1

filter(df, k_yes & (lag(k_yes) | lead(k_yes)), .by = id)