基于给定列的行求和，对数据框进行子集筛选。

Question

我正在处理包含三个变量（即id，时间，性别）的数据。它看起来像这样：

df <-
  structure(
    list(
      id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L),
      time = c(21L, 3L, 4L, 9L, 5L, 9L, 10L, 6L, 27L, 3L, 4L, 10L),
      gender = c(1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L)
    ),
    .Names = c("id", "time", "gender"),
    class = "data.frame",
    row.names = c(NA,-12L)
  )

也就是说，每个id都有关于时间和性别的4个观察值。我想在R中根据变量time的行求和来对这些数据进行子集操作，首先对于每个id找到第一个大于等于25的值。注意，对于id 2，所有观察值都将被包含在内，而对于id 3，只涉及第一个观察值。期望的结果如下：

df <-
  structure(
    list(
      id = c(1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L ),
      time = c(21L, 3L, 4L, 5L, 9L, 10L, 6L, 27L ),
      gender = c(1L, 1L, 1L, 0L, 0L, 0L, 0L, 1L)
    ),
    .Names = c("id", "time", "gender"),
    class = "data.frame",
    row.names = c(NA,-8L)
  )

任何相关的帮助都将不胜感激。

- T Richard

---

我非常感谢您提供创建data.frame和期望结果的代码。问题表述得非常清晰明了。 - MKR

Answer 1

一种选项是使用 cumsum 的 lag ：

library(dplyr)

df %>% group_by(id,gender) %>%
  filter(lag(cumsum(time), default = 0) < 25 )

# # A tibble: 8 x 3
# # Groups: id, gender [3]
# id  time gender
# <int> <int>  <int>
# 1     1    21      1
# 2     1     3      1
# 3     1     4      1
# 4     2     5      0
# 5     2     9      0
# 6     2    10      0
# 7     2     6      0
# 8     3    27      1

使用 data.table ：（根据 @Renu 的反馈更新）

library(data.table)

setDT(df)

df[,.SD[shift(cumsum(time), fill = 0) < 25], by=.(id,gender)]

- MKR

Answer 2

可以尝试使用dplyr构建：

dt <- groupby(df, id) %>%
#sum time within  groups
mutate(sum_time = cumsum(time))%>% 
#'select' rows, which fulfill the condition
filter(sum_time < 25) %>% 
#exclude sum_time column from the result
select (-sum_time)

- NT_

Answer 3

另一种选择是为每个'id'创建一个逻辑向量，即cumsum(time) >= 25，当'time'的cumsum等于或大于25时，该向量为TRUE。

然后，您可以筛选累积和向量的行，使其小于或等于1，即为每个'id'的第一个TRUE之前的条目进行筛选。

df %>% 
 group_by(id) %>% 
 filter(cumsum( cumsum(time) >= 25 ) <= 1)
# A tibble: 8 x 3
# Groups:   id [3]
#      id  time gender
#   <int> <int>  <int>
# 1     1    21      1
# 2     1     3      1
# 3     1     4      1
# 4     2     5      0
# 5     2     9      0
# 6     2    10      0
# 7     2     6      0
# 8     3    27      1

- markus