仅当条件满足时才从数据框中的每个组中选择行

Question

我有一个包含两列的数据框。假设它已经按第一列分组。对于每个组，我只需要在第 2 列中的值为 100 时从该数据框中选取行。是否有最佳方法来执行此操作？

目前，我已经编写了一个如下的迭代解决方案，它基本上将每个组读入一个临时数据框，并在 column2 中的值为 100 时将行选入名为 finaldf 的最终数据框。

编辑：请注意 col2 中的数据不是按升序排列的，因此我不能使用诸如 mydf$col2 > 100 之类的条件。100 只是一个占位符，表示从何时开始我应该开始选择行。

myfun = function()
{
  col1 = c(1,1,1,2,2,3,3,3,3,3)
  col2 = c(80,100,75,90,100,75,100,12,14,150)
  mydf = data.frame(col1,col2)
  finaldf = NULL;

  uniquecol1values = unique(col1)
  for(i in 1:length(uniquecol1values))
  {
    tempdf = mydf[which(mydf$col1 == uniquecol1values[i]),]
    print(tempdf)

    startincluding = 0;
    for(j in 1:nrow(tempdf))
    {
      if(tempdf[j,2] == 100)
      {
        startincluding = 1;
      }

      if(startincluding == 1)
      {
        finaldf = rbind(finaldf,tempdf[j,])
      }
    }
  }

  print(finaldf)
}

> mydf
   col1 col2
1     1   80
2     1  100
3     1   75
4     2   90
5     2  100
6     3   75
7     3  100
8     3   12
9     3   14
10    3  150

> finaldf
   col1 col2
2     1  100
3     1   75
5     2  100
7     3  100
8     3   12
9     3   14
10    3  150

编辑：如果我应用诸如 mydf[mydf$col2>=100,] 的条件，它只会给我 col2 值大于等于 100 的行。这不是正确的输出，因为我们想要尽管 75<100，但要包括像 (1, 75) 这样的行，因为我们已经看到第 1 组的值 100。

> mydf[mydf$col2>=100,]
   col1 col2
2     1  100
5     2  100
7     3  100
10    3  150

Answer 1

您可以简单地使用：

# Split the data frame by col1
mydf.split <- split(mydf, mydf$col1)

# Apply to each group of elements (defined by col1)
# a function
res <- lapply(mydf.split, function(x)
  {
  # Find the position of the first element >= 100
  pos=which(x$col2>=100)[[1]]
  # Get all of the elements afterwards
  x[pos:nrow(x),]
  })

# Convert back to a df
res <- do.call("rbind", res)

Answer 2

bycol <- split(mydf,as.factor(mydf$col1))
newdf <- data.frame()
for (i in 1:length(bycol)) {
    col <- bycol[[i]][2]
    lcol <- col >= 100
    start <- min(which(lcol == TRUE))
    fin <- nrow(col)
    newdf <- rbind(newdf, bycol[[i]][start:fin,])
}

这显示了 OP 最初要求的内容，即：

> newdf
   col1 col2
2     1  100
3     1   75
5     2  100
7     3  100
8     3   12
9     3   14
10    3  150

这个算法的一个更紧凑的实现，使用@nico 的想法是：

bycol <- split(mydf,as.factor(mydf$col1))
temp <- lapply(bycol, function(x) {
    col <- x[2]
    lcol <- col >= 100
    x[min(which(lcol == TRUE)) :  nrow(col),]
})
newdf <- do.call("rbind", temp)

Answer 3

这可以通过 data.table 包轻松完成，无需任何 for/lapply 循环

library(data.table)
setDT(mydf)[, .SD[which(match(col2, 100) == 1):.N], col1]
#    col1 col2
# 1:    1  100
# 2:    1   75
# 3:    2  100
# 4:    3  100
# 5:    3   12
# 6:    3   14
# 7:    3  150

说明: 这个想法很简单，我们使用每组 match 来找到 100 的第一次出现（因为 match 函数总是 returns 第一次出现）然后我们简单地 select 比赛结束后所有数值向下，直到分组结束。

仅当条件满足时才从数据框中的每个组中选择行

pick rows from every group in data frame only when condition satisfies

r

rstudio