引用先前行的 for 循环

Question

我有兴趣根据一组规则过滤掉数据。

我有一个数据集，其中包含一支球队在某个时刻获胜概率为 0.8 的所有比赛的比赛数据。我想做的是找到获胜概率达到 0.8 的那个点，然后删除所有游戏，直到下一个游戏数据开始。该数据集包含许多游戏，因此一旦游戏结束，新游戏的数据就会开始，其中获胜概率会回到 0.5 左右。

以下是相关的列，每一行都是游戏中的一个游戏：

• game_id = 每个游戏的唯一编号
• team = 最终获胜概率为 0.8 的团队
• play_id = 每次播放后增加的数量（但由于某种原因不需要按顺序）
• win_per = num 显示在记录的比赛开始时球队获胜的概率是多少

示例 df

df = data.frame(game_id = c(122,122,122,122,122,144,144,144,144,144),
team = c("a","a","a","a","a", "b","b","b","b","b"),
play_id = c(1,5,22,25,34, 45,47,55,58,66),
win_per = c(.5,.6,.86,.81,.85,.54,.43,.47,.81,.77))

所以在这个小例子中，我记录了两支球队（a 和 b）的 5 场比赛，他们在比赛的某个时刻都获得了至少 0.8 的 win_prob。在这两种示例情况下，我都希望在达到 0.8 标记之后删除所有播放，无论 win_prob 是继续上升还是回落到 0.8 以下。

因此，团队 a 将删除最后两行数据（win_prob == .81 和 .85），而团队 b 将删除最后一行数据（win_prob = .77）

我正在想象运行一个 for 循环来检查任何一行中的团队是否与前一行中的团队相同，如果是，则找到具有最低 play-id 的 win_prob >= .8（因为这将是团队第一次达到 0.8)，然后以某种方式删除该匹配之后的其余行，直到团队！= 前一行的团队。

当然，您也可能知道更好的方法。非常感谢您帮助我！

Answer 1

无需使用循环，整个选择可以使用 dplyr 包在 1 行中执行：

df = data.frame(game_id = c(122,122,122,122,122,144,144,144,144,144),
                team = c("a","a","a","a","a", "b","b","b","b","b"),
                play_id = c(1,5,22,25,34, 45,47,55,58,66),
                win_per = c(.5,.6,.86,.81,.85,.54,.43,.47,.81,.77))


library(dplyr)
#group by team
#find the first row that exceeds .80 and add temp column
#save the row from 1 to the row that exceeds 0.80
#remove temp column
df %>% group_by(team, game_id) %>% 
       mutate(g80= min(which(win_per>=0.80))) %>% 
       slice(1:g80) %>% 
       select(-g80)

# A tibble: 7 x 4
# Groups:   team [2]
  game_id team  play_id win_per
    <dbl> <fct>   <dbl>   <dbl>
1     122 a           1    0.5 
2     122 a           5    0.6 
3     122 a          22    0.86
4     144 b          45    0.54
5     144 b          47    0.43
6     144 b          55    0.47
7     144 b          58    0.81

Answer 2

这是在ave 中使用cumsum 的基本R 方式

subset(df, ave(win_per > 0.8, game_id, FUN = function(x) c(0, cumsum(x)[-length(x)])) == 0)

#  game_id team play_id win_per
#1     122    a       1    0.50
#2     122    a       5    0.60
#3     122    a      22    0.86
#6     144    b      45    0.54
#7     144    b      47    0.43
#8     144    b      55    0.47
#9     144    b      58    0.81

并在dplyr中使用类似的概念

library(dplyr)
df %>% group_by(game_id) %>% filter(lag(cumsum(win_per > 0.8) == 0, default = TRUE))