查找满足定义条件的第一个值答案

【问题标题】：Find the first value that meet a defined criteria查找满足定义条件的第一个值
【发布时间】：2020-03-25 22:43:35
【问题描述】：

我有一个按日期和国家/地区划分的 Coivd-19 病例和死亡数据集。我希望找到每个国家发生第一次死亡的日期，并过滤掉所有之前的日子。你将如何在 R/Tidyverse 中解决这个问题？

library(readxl)
library(httr)
url <- paste("https://www.ecdc.europa.eu/sites/default/files/documents/COVID-19-geographic-disbtribution-worldwide-",format(Sys.time(), "%Y-%m-%d"), ".xlsx", sep = "")
GET(url, authenticate(":", ":", type="ntlm"), write_disk(tf <- tempfile(fileext = ".xlsx")))
df <- read_excel(tf)

【问题讨论】：

标签： r tidyverse

【解决方案1】：

试试这个：

library(dplyr) 
# or library(tidyverse)

df %>%
  arrange(`Countries and territories`, DateRep) %>%
  group_by(`Countries and territories`) %>%
  mutate(Cumulative_Death = cumsum(Deaths)) %>%
  ungroup() %>%
  filter(Cumulative_Death > 0) %>%
  group_by(`Countries and territories`) %>%
  mutate(First_Death_Date = min(DateRep))

它添加了新列 Cumulative_Death：死亡总和，直到 DateRep 和 First_Death_Date：每个国家/地区首次死亡发生的日期

【讨论】：

【解决方案2】：

由于数据是按日期降序排列的，因此您可以找到最后死亡的行索引，并保留等于或小于该值的行号。

df %>%
  group_by(`Countries and territories`) %>%
  filter(any(Deaths > 0)) %>%
  filter(row_number() <= max(which(Deaths > 0)))

# A tibble: 1,111 x 9
# Groups:   Countries and territories [95]
   DateRep               Day Month  Year Cases Deaths `Countries and territories` GeoId Pop_Data.2018
   <dttm>              <dbl> <dbl> <dbl> <dbl>  <dbl> <chr>                       <chr>         <dbl>
 1 2020-03-25 00:00:00    25     3  2020     2      0 Afghanistan                 AF         37172386
 2 2020-03-24 00:00:00    24     3  2020     6      1 Afghanistan                 AF         37172386
 3 2020-03-25 00:00:00    25     3  2020    23      1 Albania                     AL          2866376
 4 2020-03-24 00:00:00    24     3  2020    11      2 Albania                     AL          2866376
 5 2020-03-23 00:00:00    23     3  2020    13      0 Albania                     AL          2866376
 6 2020-03-22 00:00:00    22     3  2020     6      0 Albania                     AL          2866376
 7 2020-03-21 00:00:00    21     3  2020     0      0 Albania                     AL          2866376
 8 2020-03-20 00:00:00    20     3  2020    11      0 Albania                     AL          2866376
 9 2020-03-19 00:00:00    19     3  2020     4      1 Albania                     AL          2866376
10 2020-03-18 00:00:00    18     3  2020     4      0 Albania                     AL          2866376
# ... with 1,101 more rows

【讨论】：

谢谢 :) 非常感谢你 :)

【解决方案3】：

library(dplyr)

df <- df %>% 
      arrange(DateRep) %>% 
      distinct(`Countries and territories`, .keep_all = TRUE)

我认为这对您来说是最简单的选择。 dplyr::distinct() 删除除第一行以外的所有内容，因此如果您按所需列排列数据，您将只获得第一个匹配项。 .keep_all = TRUE 将保留所有列，而不仅仅是 distinct() 中指定的列。

【讨论】：

感谢您的回答，但我不太明白这个逻辑。并且它会返回我想要的东西:)