根据另一组的值过滤组中的行

Question

我有一个数据表，其中包括一个 ID、一个（以某种方式排序的）分组列和一个日期。对于每个 ID，根据给定组的日期最小值，我想过滤掉另一个给定组在该日期之后发生的行。

我考虑过使用pivot_wider 和pivot_longer，但是我无法同时对包含列表值和单个值的列进行操作。

我怎样才能有效地做到这一点（如果可能，使用任何tidyverse 方法）？

例如，给定

library(dplyr)
tbl <- tibble(id = c(rep(1,5), rep(2,5)),
              type = c("A","A","A","B","C","A","A","B","B","C"),
              dat = as.Date("2021-12-07") - c(3,0,1,2,0,3,6,2,4,3))

# A tibble: 10 × 3
#       id type  dat       
#    <int> <chr> <date>    
#  1     1 A     2021-12-04
#  2     1 A     2021-12-07
#  3     1 A     2021-12-06
#  4     1 B     2021-12-05
#  5     1 C     2021-12-07
#  6     2 A     2021-12-04
#  7     2 A     2021-12-01
#  8     2 B     2021-12-05
#  9     2 B     2021-12-03
# 10     2 C     2021-12-04

我想要以下结果，其中我丢弃了出现在第一个 B 类型元素之后的 A 类型元素，但没有一个 C 类型元素：

# A tibble: 7 × 3
#      id type  dat       
#   <int> <chr> <date>    
# 1     1 A     2021-12-04
# 2     1 B     2021-12-05
# 3     1 C     2021-12-07
# 4     2 A     2021-12-01
# 5     2 B     2021-12-05
# 6     2 B     2021-12-03
# 7     2 C     2021-12-04

Answer 1

在这种情况下，我喜欢使用 pivot_wider 和 pivot_longer。它可以解决问题，但也许您正在寻找更短的东西。

tbl <- tibble(id = 1:5, type = c("A","A","A","B","C"), dat = as.Date("2021-12-07") - c(3,4,1,2,0)) %>% 
  pivot_wider(names_from = type, values_from = dat) %>% 
  filter(A < min(B, na.rm = TRUE) | is.na(A)) %>% 
  pivot_longer(2:4, names_to = "type", values_to = "dat") %>% 
  na.omit()

# A tibble: 4 × 3
     id type  dat       
  <int> <chr> <date>    
1     1 A     2021-12-04
2     2 A     2021-12-03
3     4 B     2021-12-05
4     5 C     2021-12-07

Answer 2

一种使用 SQL 逻辑的简单方法：

tbl_to_delete <- tbl %>% dplyr::filter(type == "A" & dat > min(tbl$dat[tbl$type=="B"]))
tbl2 <- tbl %>% dplyr::anti_join(tbl_to_delete,by=c("type","dat"))

首先隔离要删除的行，然后将它们从原始数据中丢弃。

您当然可以将之前的两行合并为一行，以便更好地管理代码：

tbl %>% anti_join(tbl %>% filter(type == "A" & dat > min(tbl$dat[tbl$type=="B"])),by=c("type","dat"))

或者如果你真的讨厌 rbase：

tbl %>% anti_join(tbl %>% filter(type == "A" & dat > tbl %>% filter(type == "B") %>% pull(dat) %>% min()),by=c("type","dat"))