代码之家 › 专栏 › 技术社区 › Joe

dplyr::filter()基于dplyr::lag()而不丢失第一个值

lead lag dplyr r

4

Joe · 技术社区 · 6 年前

基于lag()函数过滤数据集时,会丢失每组中的第一行(因为这些行没有lag值)。如何避免这种情况,以便在第一行没有任何滞后值的情况下保持它们?

ds <- 
  structure(list(mpg = c(21, 21, 21.4, 18.7, 14.3, 16.4), cyl = c(6, 
  6, 6, 8, 8, 8), hp = c(110, 110, 110, 175, 245, 180)), class = c("tbl_df", 
  "tbl", "data.frame"), row.names = c(NA, -6L), .Names = c("mpg", 
  "cyl", "hp"))

# example of filter based on lag that drops first rows
ds %>% 
  group_by(cyl) %>% 
  arrange(-mpg) %>% 
  filter(hp <= lag(hp))

2 回复 | 直到 6 年前

1

4

camille 6 年前

拥有 filter(hp <= lag(hp)) 排除其中的行 lag(hp) 是 NA 。您可以改为筛选 任何一个 这种不平等或对于 滞后(hp) ,每个组的顶行也是如此。

我包括 prev = lag(hp) 为LAG创建一个独立变量,仅为清楚起见(&调试。

library(tidyverse)

ds %>%
    group_by(cyl) %>%
    arrange(-mpg) %>%
    mutate(prev = lag(hp)) %>%
    filter(hp <= prev | is.na(prev))

这将产生:

# A tibble: 4 x 4
# Groups:   cyl [2]
    mpg   cyl    hp  prev
  <dbl> <dbl> <dbl> <dbl>
1  21.4    6.  110.   NA 
2  21.0    6.  110.  110.
3  21.0    6.  110.  110.
4  18.7    8.  175.   NA

2

3

MKR 6 年前

自从 OP 打算使用 <= (小于或等于)之前的值,因此使用 lag 具有 default = +Inf 就足够了。

此外,无需单独 arrange 请来 dplyr 链组件 缓慢移动 提供选择选项 order_by 。

因此,解决方案可以写成:

ds %>% 
  group_by(cyl) %>% 
  filter(hp <= lag(hp, default = +Inf, order_by = -mpg))

#Below result is in origianl order of the data.frame though lag was calculated 
#in ordered value of mpg
# # A tibble: 4 x 3
# # Groups: cyl [2]
#     mpg   cyl    hp
#    <dbl> <dbl> <dbl>
# 1  21.0  6.00   110
# 2  21.0  6.00   110
# 3  21.4  6.00   110
# 4  18.7  8.00   175