每行更新 dplyr 过滤器答案

【问题标题】：Update dplyr filter per row每行更新 dplyr 过滤器
【发布时间】：2020-10-25 12:41:59
【问题描述】：

假设我有以下数据：

structure(list(A = c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2
), B = c(1, 2, 3, 4, 20, 5, 1, 2, 6, 3, 4, 5, 6, 7)), row.names = c(NA, 
-14L), class = "data.frame")

我现在希望删除 B 的增量不为 1 的所有行，但 A 列开始新系列时除外。我试图通过使用dplyr 来做到这一点：

filter(df, (diff(append(B,NA,after=0))==1 | B==1))

请注意，我追加是因为diff() 之后的向量比原始数据短 1。这导致：

structure(list(A = c(1, 1, 1, 1, 2, 2, 2, 2, 2, 2), B = c(1, 
2, 3, 4, 1, 2, 4, 5, 6, 7)), row.names = c(NA, -10L), class = "data.frame")

问题是因为我使用diff()来判断B列的增量是否始终为1，一旦数据出现错误，也会（错误地）将错误后的那一行视为错误。有没有办法：

使用更合乎逻辑的方法来规避这个问题？
或者是否有可能使过滤器在删除一行后更新，以便 diff() 的逻辑是正确的。虽然我想如果可能的话，这会显着减慢命令的速度。

【问题讨论】：

为什么要使用结构来创建数据框，为什么不使用像tibble( A = c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2), B = c(1, 2, 3, 4, 20, 5, 1, 2, 6, 3, 4, 5, 6, 7))这样的小标题
确实简单一些，谢谢！我不太确定如何生成清晰的假数据，所以在 R 中手工制作，然后使用 dput。谢谢推荐！

标签： r dplyr

【解决方案1】：

这行得通吗：

> library(dplyr)
> dat %>% group_by(A) %>% mutate(C = case_when(B - lag(B) != 1 & B - lag(B, n = 2) == 1 ~ 0, TRUE ~ 1)) %>%
+   mutate(C = lead(C, default = 1)) %>% filter(C == 1)
# A tibble: 12 x 3
# Groups:   A [2]
       A     B     C
   <dbl> <dbl> <dbl>
 1     1     1     1
 2     1     2     1
 3     1     3     1
 4     1     4     1
 5     1     5     1
 6     2     1     1
 7     2     2     1
 8     2     3     1
 9     2     4     1
10     2     5     1
11     2     6     1
12     2     7     1
>

【讨论】：

不像你的那么优雅，但它也能胜任。 dat %>% group_by(A) %>% mutate( lag1_dff = B - lag(B, n = 1), lag2_diff = B - lag(B, n = 2) ) %>% filter(lag1_dff == 1 | lag2_diff == 1 | is.na(lag1_dff)) %>% # is.na to capture the first value in B select(A, B)
@Karthik S 确实可以！这肯定适用于我当前的数据，谢谢！为了将来参考，是否可以自动扩展 lag(B, n = 2) 部分，以便即使连续有许多错误的观察结果仍然可以纠正？还是必须手动完成？（例如lag(B, n = 3 ) 等）
lag 函数中的“n”值表示您要向后看多少行，因此您可以根据数据更改数字。