基于列中的字符和数据框中出现的顺序的每个组的子集行

问题描述：

B <- data.frame(State = c(rep("Arizona", 8), rep("California", 8), rep("Texas", 8)), 
    Account = rep(c("Balance", "Balance", "In the Bimester", "In the Bimester", "Expenses", 
    "Expenses", "In the Bimester", "In the Bimester"), 3), Value = runif(24))

可以看到，Account有4次出现的元件"In the Bimester"的，两个“块”的两个元件对于每个状态，"Expenses"在它们之间的。

这里的顺序很重要，因为第一个块与第二个块没有引用相同的东西。

我的数据实际上比较复杂，它有第四个变量，表示Account的每一行的含义。每个Account元素的元素数量（因子本身）可以改变。例如，在某些状态下，"In the Bimester"的第一个“块”可以有6行，第二个，7;但是，我无法用这第四个变量来区分。

期望：我想我的子集数据，按每个状态，子集只有第一个“豆腐块”，由每个州或第二“块”的行劈裂这两个"In the Bimester"。

我有一个解决方案，使用data.table包，但我发现它有点差。有什么想法吗？

library(data.table) 
B <- as.data.table(B) 
B <- B[, .(Account, Value, index = 1:.N), by = .(State)] 
x <- B[Account == "Expenses", .(min_ind = min(index)), by = .(State)] 
B <- merge(B, x, by = "State") 
B <- B[index < min_ind & Account == "In the Bimester", .(Value), by = .(State)]

答

您可以使用dplyr包：

library(dplyr) 
B %>% mutate(helper = data.table::rleid(Account)) %>% 
     filter(Account == "In the Bimester") %>% 
     group_by(State) %>% filter(helper == min(helper)) %>% select(-helper) 

# # A tibble: 6 x 3 
# # Groups: State [3] 
#  State   Account  Value 
#  <fctr>   <fctr>  <dbl> 
# 1 Arizona In the Bimester 0.17730148 
# 2 Arizona In the Bimester 0.05695585 
# 3 California In the Bimester 0.29089678 
# 4 California In the Bimester 0.86952723 
# 5  Texas In the Bimester 0.54076144 
# 6  Texas In the Bimester 0.59168138

如果不是min您使用max你会得到"In the Bimester"最后出现的每个State。您也可以通过将最后一个管道更改为select(-helper,-Account)来排除Account列。

p.s.如果您不想使用data.table中的rleid，只需使用dplyr函数，请查看此thread。

基于列中的字符和数据框中出现的顺序的每个组的子集行

相关推荐