如何在R中的组中选择具有特定值的行

Question

我正在训练自己在R中的循环和函数（但目前处于一个非常基本的水平）。对于最近的一项研究，我需要准备如下数据：

我有一个如下所示的数据集：

dd <- read.table(text="
    event.timeline.ys     ID     year    group
1                   2     800033 2008    A
2                   1     800033 2009    A   
3                   0     800033 2010    A   
4                  -1     800033 2011    A   
5                  -2     800033 2012    A   
15                  0     800076 2008    B
16                 -1     800076 2009    B
17                  5     800100 2014    C     
18                  4     800100 2015    C   
19                  2     800100 2017    C   
20                  1     800100 2018    C   
30                  0     800125 2008    A    
31                 -1     800125 2009    A    
32                 -2     800125 2010    A", header=TRUE)

我想为每个人保留最后一行event.timeline.ys> = 0（这将是ID 800033的第3行）和第一行event.timeline.ys <0（这将是第4行ID 800033）。将删除所有其他行。因此，我的最终数据框每个ID只包含两行。

ID = 800100的人在event.timeline.ys上没有任何负值。在这种情况下，我想只保留event.timeline.ys> = 0的最后一行。

最终的数据集如下所示：

    event.timeline.ys     ID     year    group  
3                   0     800033 2010    A   
4                  -1     800033 2011    A      
15                  0     800076 2008    B
16                 -1     800076 2009    B 
20                  1     800100 2018    C   
30                  0     800125 2008    A    
31                 -1     800125 2009    A    

我想过使用for循环在每个ID中检查event.timeline.ys> = 0的最后一行和event.timeline.ys <0的第一行是什么。但是，R中的实际实现失败了。

有没有人有聪明的建议？我也对其他不基于for循环或类似东西的解决方案持开放态度。

Answer 1

这是在dplyr中使用group_by的一个选项：

dd %>% group_by(ID, category = event.timeline.ys >= 0) %>% 
  filter(abs(event.timeline.ys) == min(abs(event.timeline.ys))) %>% 
  dplyr::select(-category) %>%
  as.data.frame

  category event.timeline.ys     ID year group
1     TRUE                 0 800033 2010     A
2    FALSE                -1 800033 2011     A
3     TRUE                 0 800076 2008     B
4    FALSE                -1 800076 2009     B
5     TRUE                 1 800100 2018     C
6     TRUE                 0 800125 2008     A
7    FALSE                -1 800125 2009     A

Answer 2

由ID分组，以及event.timesline.ys是否为负数。如果是负数，则选择（slice）第一行，否则选择最后一行（即行n()）。

library(dplyr)

dd %>% 
  mutate(neg = event.timeline.ys < 0) %>% 
  group_by(ID, neg) %>% 
  slice(if(neg[1]) 1 else n()) %>% 
  ungroup %>% 
  select(-neg)

# # A tibble: 7 x 4
#   event.timeline.ys     ID  year group
#               <int>  <int> <int> <fct>
# 1                 0 800033  2010 A    
# 2                -1 800033  2011 A    
# 3                 0 800076  2008 B    
# 4                -1 800076  2009 B    
# 5                 1 800100  2018 C    
# 6                 0 800125  2008 A    
# 7                -1 800125  2009 A   

Answer 3

这是一种使用which()和row_number()提取您感兴趣的行的索引的方法

library(dplyr)

dd %>% 
  group_by(ID) %>% 
  filter(row_number() == last(which(event.timeline.ys >= 0)) | 
         row_number() == first(which(event.timeline.ys < 0)))

我认为阅读的好处类似于你用文字描述自己的方式，所以希望这是有道理的。

Answer 4

这是在data.table做到这一点的方法

library(data.table)
as.data.table(dd)[, .SD[c(last(which(event.timeline.ys >= 0)),
                          first(which(event.timeline.ys < 0)))],
                  by=ID]


       ID event.timeline.ys year group
1: 800033                 0 2010     A
2: 800033                -1 2011     A
3: 800076                 0 2008     B
4: 800076                -1 2009     B
5: 800100                 1 2018     C
6: 800125                 0 2008     A
7: 800125                -1 2009     A