dplyr::filter() 基于 dplyr::lag() 而不会丢失第一个值答案

【问题标题】：dplyr::filter() based on dplyr::lag() without losing first valuesdplyr::filter() 基于 dplyr::lag() 而不会丢失第一个值
【发布时间】：2018-04-25 18:43:04
【问题描述】：

当我根据 lag() 函数过滤数据集时，我会丢失每组中的第一行（因为这些行没有滞后值）。我怎样才能避免这种情况，以便我保留第一行，尽管它们没有任何滞后值？

ds <- 
  structure(list(mpg = c(21, 21, 21.4, 18.7, 14.3, 16.4), cyl = c(6, 
  6, 6, 8, 8, 8), hp = c(110, 110, 110, 175, 245, 180)), class = c("tbl_df", 
  "tbl", "data.frame"), row.names = c(NA, -6L), .Names = c("mpg", 
  "cyl", "hp"))

# example of filter based on lag that drops first rows
ds %>% 
  group_by(cyl) %>% 
  arrange(-mpg) %>% 
  filter(hp <= lag(hp))

【问题讨论】：

lag(hp,default = hp[1])?
@joran，以这种方式操作默认参数是一个很好的解决方案，在某些情况下可以更新为“filter(hp > lag(hp, default = hp[1] - 1))”等效性不足。

标签： r dplyr lag lead

【解决方案1】：

拥有filter(hp <= lag(hp)) 不包括lag(hp) 为NA 的行。您可以改为过滤 either 不等式或 lag(hp)，就像每个组的顶部行的情况一样。

我添加了prev = lag(hp) 来为滞后创建一个独立变量，只是为了清晰和调试。

library(tidyverse)

ds %>%
    group_by(cyl) %>%
    arrange(-mpg) %>%
    mutate(prev = lag(hp)) %>%
    filter(hp <= prev | is.na(prev))

这会产生：

# A tibble: 4 x 4
# Groups:   cyl [2]
    mpg   cyl    hp  prev
  <dbl> <dbl> <dbl> <dbl>
1  21.4    6.  110.   NA 
2  21.0    6.  110.  110.
3  21.0    6.  110.  110.
4  18.7    8.  175.   NA

【讨论】：

【解决方案2】：

由于OP 打算将<=（小于或等于）与先前的值一起使用，因此将lag 与default = +Inf 一起使用就足够了。

此外，由于lag 提供了选择order_by 的选项，因此无需在dplyr 链中单独调用arrange。

因此，解决方案可以写成：

ds %>% 
  group_by(cyl) %>% 
  filter(hp <= lag(hp, default = +Inf, order_by = -mpg))

#Below result is in origianl order of the data.frame though lag was calculated 
#in ordered value of mpg
# # A tibble: 4 x 3
# # Groups: cyl [2]
#     mpg   cyl    hp
#    <dbl> <dbl> <dbl>
# 1  21.0  6.00   110
# 2  21.0  6.00   110
# 3  21.4  6.00   110
# 4  18.7  8.00   175

【讨论】：