复杂的 dplyr group_by 过滤答案

【问题标题】：Complex dplyr group_by filtering复杂的 dplyr group_by 过滤
【发布时间】：2020-01-27 15:37:21
【问题描述】：

我不知道如何在 tidyverse 中为组编写复杂的过滤条件。考虑下面的示例数据框：

df <- tibble(
    a = c(1,1,1,2,2,2,2,3), 
    b = c(1,2,3,1,4,50,5,3),
    c = c("PIZZA", "HAM", NA, "COKE", "LOBSTER", "LOBSTER", NA, NA),
)

我想a作为我的分组变量，然后选择b中记录最大的记录，使得c中的条目不是NA。期望的输出：

tibble(
    a = c(1, 2, 3),
    b = c(2, 50, 3),
    c = c("HAM", "LOBSTER", NA)
)

我当然可以

df %>% group_by(a) %>% filter(b == max(b))

但是我不满足列c 标准。一些并发症：

组间记录数不一致。
如果组中所有记录的c记录为NA，则选择NA最大的b记录。

【问题讨论】：

为什么不只过滤去除 c 的 NA 值，然后过滤最大 b？另外，= 用于赋值，== 用于比较
@camille 正是我的想法（太快了！），像df %>% filter(!is.na(c)) %>% group_by(a) %>% filter(b == max(b)) 这样的东西似乎可读且简单。
@camille 抱歉，已澄清问题。一个组可能都是 NA，如果是这样，我仍然想要该组的记录。
那会是什么记录，NA？
@camille 是的，已编辑示例。

标签： r dplyr

【解决方案1】：

根据更新后的示例，您可以标记 c 仅是 NA 的组以用作第二个过滤条件。为了便于说明，我将其写得比实际需要的更详细——例如，您可能不需要将all_na 保留为变量，只需在第一个filter 调用中进行内联计算即可。在这种情况下，修改我原来的过滤!is.na(c) 的建议，以匹配所有c 值都是NA 的或种情况。

library(dplyr)

df %>%
  group_by(a) %>%
  mutate(all_na = all(is.na(c))) %>%
  filter(!is.na(c) | all_na) %>%
  filter(b == max(b))
#> # A tibble: 3 x 4
#> # Groups:   a [3]
#>       a     b c       all_na
#>   <dbl> <dbl> <chr>   <lgl> 
#> 1     1     2 HAM     FALSE 
#> 2     2    50 LOBSTER FALSE 
#> 3     3     3 <NA>    TRUE

【讨论】：

【解决方案2】：

这个怎么样：

library(tidyverse)

df %>%
  group_by(a) %>%
  filter(b == max(b),
         !is.na(c))

【讨论】：

添加了对使此答案无效的问题的说明。

【解决方案3】：

我们可以在按'a'分组后'c'中没有NA元素的'b'子集

library(dplyr)
df %>% 
    group_by(a) %>% 
     slice(if(all(is.na(c))) 1 else which.max(b[!is.na(c)]))
# A tibble: 3 x 3
# Groups:   a [3]
#      a     b c      
#  <dbl> <dbl> <chr>  
#1     1     2 HAM    
#2     2    50 LOBSTER
#3     3     3 <NA>

【讨论】：

添加了对使此答案无效的问题的说明。