根据多个条件选择行

Question

我有一个 df

set.seed(123)
df <- data.frame(loc.id = rep(1:9, each = 9), month = rep(1:9,times = 9), 
                 x = runif(81, min = 0, max = 5))

这是一个有 9 个位置的数据框。对于每个位置，我有 9 个月，每个月都有一个 x 值。

对于每个位置，我想根据以下条件选择一个月：

1) 检查哪些月份（不包括第 9 个月）的 x > 1，然后选择最接近第 9 个月的月份。 例如，如果对于位置 1，x 的值为

  4.56, 3.41, 0.82, 2.31, 3.75, 4.75, 1.22, 2.98, 1.17

那么第 1、2、4、5、6、7、8 个月的 x > 1 并且从这些月份中，第 8 个月最接近第 9 个月。因此将选择第 8 个月

2) 如果没有一个月份的 x > 1，则只需选择具有最高 x 值的月份。例如：

如果对于一个位置，x 是

  0.8, 0.6, 0.95, 0.4, 0.88, 0.7, 0.6, 0.45, 0.3

然后将选择第 3 个月 (x = 0.95)

我试过了：

  library(dplyr)
  df %>% filter(month != 9) %>% # removes the 9 month so that only the 8 months are evaluated 
        group_by(loc.id) %>% 
        mutate(select.month = x > 1) %>% # mark those months where x > 1
        filter(select.month == TRUE) %>% # select those months where x > 1 is true
        mutate(dif = 9 - month) %>%# subtract each month from 9 to check which one is closest to 9
        summarise(month.id = min(dif)) # select the months which is closest to month 9

但是，在上述功能中，我无法检查所有月份都有的位置 值小于 1。我的问题是如何更改上面的代码以在 x 都不是 > 1 时也检查条件 2

Answer 1

set.seed(123)
> df <- data.frame(loc.id = rep(1:9, each = 9), month = rep(1:9,times = 9), 
                  x = runif(81, min = 0, max = 5))
> set.seed(123)
> df=rbind(df,cbind(loc.id=10,month=1:9 , x=runif(9)))




> df%>%group_by(loc.id)%>%mutate(x=replace(x,9,0),y=cumsum(x>1))%>%
+     summarise(y=ifelse(all(!y),which.max(x),which.max(y)))
# A tibble: 10 x 2
   loc.id     y
    <dbl> <int>
 1      1     8
 2      2     8
 3      3     8
 4      4     7
 5      5     8
 6      6     8
 7      7     7
 8      8     8
 9      9     7
10     10     5

Answer 2

我稍微修改了您的数据框，因为没有任何loc.ids 只有几个月小于 1 的情况。

df %>% 
  group_by(loc.id) %>%
  filter(month != 9) %>% 
  mutate(all_x_less_1 = all(x < 1)) %>% 
  filter(all_x_less_1 | x > 1) %>% 
  filter(month == if_else(all_x_less_1, month[which.max(x)], month[which.min(9 - month)]))

# A tibble: 9 x 4
# Groups:   loc.id [9]
#   loc.id month     x all_x_less_1
#    <int> <int> <dbl> <lgl>       
# 1      1     8 4.46  F           
# 2      2     7 2.25  F           
# 3      3     8 1.18  F           
# 4      4     5 1.13  F           
# 5      5     1 0.758 T           
# 6      6     5 0.715 T           
# 7      7     5 0.639 T           
# 8      8     2 0.509 T           
# 9      9     1 0.395 T         

诀窍是不仅要过滤x < 1，还要过滤loc.id 中的所有x 是否小于1。然后使用filter 中的if_else 调用，您可以指定基于的条件关于是否所有x 都小于1。

数据

set.seed(123)
df <- data.frame(loc.id = rep(1:9, each = 9), month = rep(1:9,times = 9), 
                 x = runif(81, min = 0, max = 5))

df <- df %>% 
  mutate(x = x/loc.id)

Answer 3

library(data.table)
setDT(d)
d[ , {
  ix <- x > 1 & month != 9 
  .(month = if(any(ix)) last(month[ix]) else month[which.max(x)])
}, by = loc.id]

---

解释：

对于每个组 (by = loc.id)，获取 x > 1 的索引，不包括第 9 个月 (x > 1 & month != 9)。如果任何此类索引为真 (if(any(ix)))，请选择其中的最后一个月 (last(month[ix]))。否则选择对应于 max x (else month[which.max(x)]) 的月份。

Answer 4

一个潜在的解决方案是ifelse，如果位置 8 >1.0，则位置 8，否则在排除第 9 行之后，该行的最大值。

一个月的例子：

month1 <- filter(df, loc.id == 1) month1 <- month1[1:8, ] df1 <- ifelse(month1[8,3] > 1.0, month1[8,3], max(month1$x))