仅在组中它们之间的差异小于“n”的行答案

【问题标题】：Only rows where difference between them is less than 'n' in groups仅在组中它们之间的差异小于“n”的行
【发布时间】：2020-07-06 07:11:42
【问题描述】：

假设我们有以下数据集，其中V2 中的值按组升序排列V1：

Input =("   V1  V2
1   A   3
2   A   4
3   A   5
4   A   6
5   A   12
6   A   13
7   B   4
8   B   5
9   B   6
10  B   12
11  C   13
12  C   14
13  C   18")

df = as.data.frame(read.table(textConnection(Input), header = T, row.names = 1))

现在我想保留连续行之间的差异为<= 1 的行，所以我想要的输出：

但是当我使用时：

df %>%
  group_by(V1) %>%
  filter(c(0,diff(V2)) <= 1)

我有：

   V1       V2
 1 A         3
 2 A         4
 3 A         5
 4 A         6
 5 A        13
 6 B         4
 7 B         5
 8 B         6
 9 C        13
10 C        14

缺少V2 值为 12 的行，它应该在数据集中。我也试过lag()，但结果是一样的。

df %>%
  group_by(V1) %>%
  filter(V2 - lag(V2) <= 1 | is.na(V2 - lag(V2)))

你能指出我的错误吗？

【问题讨论】：

为什么要保留第5行？
第 5 行和第 6 行的差为 1

标签： r dataframe dplyr

【解决方案1】：

您需要从两边减去值。试试lead 和lag：

library(dplyr)

df %>%
  group_by(V1) %>%
  filter(V2 - lag(V2) <= 1 | V2 - lead(V2) <= 1)

#   V1       V2
#   <chr> <int>
# 1 A         3
# 2 A         4
# 3 A         5
# 4 A         6
# 5 A        12
# 6 A        13
# 7 B         4
# 8 B         5
# 9 B         6
#10 C        13
#11 C        14

【讨论】：

谢谢，这是一个很好的答案，但是在我的原始数据集中，我的条件是 <50 而不是 <= 1，所以当我使用 lead() 时，有时差异实际上小于 50，让我们说 -48 是正确的，但有时是 -148，它也很好，但对我来说不是，因为我正在寻找差异 0-50，所以 abs() 为 lead() 部分成功了 :) 我希望你明白我是正确的。
是的，我正在考虑使用abs，但我不确定你是否需要它。

【解决方案2】：

这是另一种想法，我们创建容差为 1 的组，并过滤掉那些只有一个观察值的组，即

df %>% 
 group_by(V1, grp = cumsum(c(TRUE, diff(V2) != 1))) %>% 
 filter(n() > 1) %>%  
 ungroup() %>% 
 select(-grp)

# A tibble: 11 x 2
#   V1       V2
#   <fct> <int>
# 1 A         3
# 2 A         4
# 3 A         5
# 4 A         6
# 5 A        12
# 6 A        13
# 7 B         4
# 8 B         5
# 9 B         6
#10 C        13
#11 C        14

【讨论】：