在R中选择具有特定条件的行

Question

我目前有多个ID的数据，其格式如下（ID数量约为1600）

id  year    name    status
1   1980    James   3
1   1981    James   3
1   1982    James   3
1   1983    James   4
1   1984    James   4
1   1985    James   1
1   1986    James   1
1   1987    James   1
2   1982    John    2
2   1983    John    2
2   1984    John    1
2   1985    John    1

我希望将这些数据进行子集处理，只保留状态为1以及其之前的状态信息。同时，我想要去除多个1，并且只保留第一个1。最终，我需要得到：

id  year    name    status
1   1984    James   4
1   1985    James   1
2   1983    John    2
2   1984    John    1

我正在研究某年份有多少来自特定状态的人转换为状态1，因此需要进行翻译。我只知道subset命令，但是我认为无法通过执行subset(data, subset=(status==1))来获取这些数据。在那之前，我该如何保存信息呢？

我想再次补充一下这个问题 - 当我使用第一个回答（使用plr包）和第三个回答（使用duplicated命令）时，我没有得到相同的结果。我发现第一个回答准确地保留了信息，而第三个回答没有。

- halo09876

Answer 1

这可以满足你的需求。

library(plyr)

ddply(d, .(name), function(x) {
  i <- match(1, x$status)
  if (is.na(i))
    NULL
  else
    x[c(i-1, i), ]
})

  id year  name status
1  1 1984 James      4
2  1 1985 James      1
3  2 1983  John      2
4  2 1984  John      1

- Mark Heckmann

---

+1并为编辑失败道歉，我将其作为评论留在此处：您可以使用match(1, x$status)代替which(x$status == 1)[1]。 - flodel

@flodel 是的，这样更好，谢谢！我应该经常使用 match ！ - Mark Heckmann

根据@flodel的建议进行了更改。 - Mark Heckmann

@MarkHeckmann 我有一个问题 - 我可以使用相同的方法在状态为1之前通过c(i-5)保存五个条目吗？还是这只会保存五年前的信息，然后变成1？ - halo09876

顺便说一句，谢谢你的答案，它像魔法一样起作用了！ - halo09876

Answer 2

这里有一个解决方案-针对每一组数字（即cumsum部分），它查看第一个数字并取出前一行，如果状态为1：

library(data.table)
dt = data.table(your_df)

dt[dt[, if(status[1] == 1) c(.I[1]-1, .I[1]),
        by = cumsum(c(0,diff(status)!=0))]$V1]
#   id year  name status
#1:  1 1984 James      4
#2:  1 1985 James      1
#3:  2 1983  John      2
#4:  2 1984  John      1

- eddi

Answer 3

使用基础 R，以下是实现此操作的方法：

# this first line is how I imported your data after highlighting and copying (i.e. ctrl+c)
d<-read.table("clipboard",header=T)

# find entries where the subsequent row's "status" is equal to 1
# really what's going on is finding rows where "status" = 1, then subtracting 1  
# to find the index of the previous row
e<-d[which(d$status==1)-1 ,]
# be careful if your first "status" entry = 1...

# What you want
# Here R will look for entries where "name" and "status" are both repeats of a 
# previous row and where "status" = 1, and it will get rid of those entries
e[!(duplicated(e[,c("name","status")]) & e$status==1),]

   id year  name status
 5  1 1984 James      4
 6  1 1985 James      1
10  2 1983  John      2
11  2 1984  John      1

- Jota

---

对于Mac用户，根据https://dev59.com/T2Yr5IYBdhLWcg3wvslA，使用`x <- read.delim(pipe("pbpaste"))`来读取剪贴板中的数据。 - kdauria

Answer 4

我个人喜欢使用 data.table 解决方案，但实际上也有一种使用 subset 的方法。

# import data from clipboard
x = read.table(pipe("pbpaste"),header=TRUE)

# Get the result table that you want
x1 = subset(x, status==1 | 
               c(status[-1],0)==1 )
result = subset(x1, !duplicated(cbind(name,status)) )

- kdauria