如何在R中的一个组中的两个变量的组合上选择具有某些值的行答案

【问题标题】：How to select rows with certain values on a combination of two variables within a group in R如何在R中的一个组中的两个变量的组合上选择具有某些值的行
【发布时间】：2019-09-22 01:15:47
【问题描述】：

这是我之前提出的 R 问题的扩展：How to select rows with certain values within a group in R

我在这个问题上得到了很大的帮助，但现在变得有点复杂了，我希望得到如何处理这个问题的建议。

我的数据如下所示：

dd <- read.table(text="
    event.timeline.ys     ID     year    group  outcome
                 1                   2     800033 2008    A  3
                 2                   1     800033 2009    A  3
                 3                   0     800033 2010    A  NA   
                 4                  -1     800033 2011    A  2  
                 5                  -2     800033 2012    A  1  
                 15                  0     800076 2008    B  2
                 16                 -1     800076 2009    B  NA
                 17                  5     800100 2014    C  4     
                 18                  4     800100 2015    C  4  
                 19                  2     800100 2017    C  4  
                 20                  1     800100 2018    C  3   
                 30                  0     800125 2008    A  2   
                 31                 -1     800125 2009    A  1   
                 32                 -2     800125 2010    A  NA
                 33                  2     800031 2008    A  3
                 34                  1     800031 2009    A  3
                 35                  0     800031 2010    A  NA   
                 36                 -1     800031 2011    A  NA  
                 37                 -2     800031 2012    A  1", header=TRUE)

我只想选择组 (ID) 中的特殊行。应根据以下过程选择这些行：

如果可能，我希望在 event.timeline.ys 上为每个参与者保留最后一行的正值（即，ID 组中 event.timeline.ys >= 0 的最后一行），其中结果变量不是 NA 但具有有效值（例如，对于 ID == 800033，这将是第 2 行）。

此外，我想在 event.timeline.ys 上为每个参与者保留第一行的负值（即，ID 组中 event.timeline.ys

在 ID == 800076 的特殊情况下，当 event.timeline.ys

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

应删除所有其他行。最终的数据框如下所示：

      event.timeline.ys         ID     year    group  outcome
2                     1     800033     2009    A            3
4                    -1     800033     2011    A            2  
15                    0     800076     2008    B            2
16                   -1     800076     2009    B           NA
20                    1     800100     2018    C            3   
30                    0     800125     2008    A            2   
31                   -1     800125     2009    A            1
34                    1     800031     2009    A            3
37                   -2     800031     2012    A            1

我非常感谢有关如何解决此问题的建议。我已经试过了：

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

但是，不幸的是，我丢失了第 16 行（对于 ID == 800076）。

非常感谢！

【问题讨论】：

标签： r function dplyr

【解决方案1】：

使用dplyr:

dd %>%
group_by(ID, event.timeline.ys>=0) %>%
arrange(ID, event.timeline.ys>=0, abs(event.timeline.ys)) %>%
filter(!is.na(outcome) | n()==1) %>%
filter(row_number()==1) %>%
ungroup() %>%
select(-one_of('event.timeline.ys >= 0'))

输出：

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

【讨论】：

非常感谢！我真的很感谢你的帮助。我喜欢看到有不同的方法可以达到相同的结果。对于不太熟悉管道、函数和循环的人（像我一样，我刚刚开始在 R 中训练自己），这看起来也是一个清晰明了的解决方案！

【解决方案2】：

这是使用dplyr 和wrapr 的管道%.>% 的解决方案。我正在添加 outcome_na 并通过它进行安排以满足“没有任何非 NA 值”的条件。

library(dplyr)
library(wrapr)

dd %>%
  group_by(ID) %>%
  mutate(outcome_na = !is.na(outcome)) %.>%
  bind_rows(
    filter(., event.timeline.ys >= 0) %>% arrange(outcome_na, year) %>% slice(n()),
    filter(., event.timeline.ys < 0) %>% arrange(desc(outcome_na), year) %>% slice(1)
  ) %>%
  arrange(ID) %>%
  select(-outcome_na)

【讨论】：

嘿，我在上面的数据示例中添加了另一个人（ID == 800031）。使用你的代码，我会得到第 34 行（这是正确的）和第 36 行。但是，在第 36 行，这个人在结果变量上有 NA。我想获得第 37 行（在 event.timeline.ys 上具有负值的第一行，在结果变量上也有一个有效值。我如何调整您的代码才能得到这个？
@MarieB。您还必须按outcome_na 排列event.timeline.ys < 0，但这次按降序排列，因为您想要的不是最后一行而是第一行。

【解决方案3】：

为了与我之前使用data.table 的答案保持一致，我们可以使用ifelse 条件来选择行

library(data.table)
setDT(dd)
dd[, .SD[na.omit(c(ifelse(any(event.timeline.ys >= 0 & !is.na(outcome)),
                          last(which(event.timeline.ys >= 0 & !is.na(outcome))), 
                          last(which(event.timeline.ys >= 0))),
                   ifelse(any(event.timeline.ys < 0 & !is.na(outcome)),
                          first(which(event.timeline.ys < 0 & !is.na(outcome))), 
                          first(which(event.timeline.ys < 0)))))],
   by=ID]


       ID event.timeline.ys year group outcome
1: 800033                 1 2009     A       3
2: 800033                -1 2011     A       2
3: 800076                 0 2008     B       2
4: 800076                -1 2009     B      NA
5: 800100                 1 2018     C       3
6: 800125                 0 2008     A       2
7: 800125                -1 2009     A       1
8: 800031                 1 2009     A       3
9: 800031                -2 2012     A       1

【讨论】：