如何在R语言中按ID删除X1=1出现后的所有行？

原始数据与目标要求 #

原始数据框：

df <- data.frame(ID = c(1, 1, 1, 2, 2, 2, 3, 3, 3), X1 = c(0, 1, 0, 0, 1, 0, 0, 0, 1))

想要得到的目标数据框：

df1 <- data.frame(ID = c(1, 1, 2, 2, 3, 3, 3), X1 = c(0, 1, 0, 1, 0, 0, 1))

需求：按ID分组，每个组仅保留X1=1第一次出现的位置及之前的所有行，删除第一次出现X1=1之后的所有行。

你的尝试代码问题 #

你编写的这段代码：

df1 <- df %>%
    group_by(ID) %>%
    mutate(flag = cumsum(X1 == 1)) %>%
    filter(flag <= 1)

无法满足需求。原因是cumsum(X1 == 1)会累计统计X1=1的出现次数，比如ID=1的组中第三行X1=0对应的flag值为1（前面已出现过一次X1=1），filter(flag <=1)会保留这一行，但按照需求该行应该被删除，最终结果和目标df1不符。

正确的实现方式 #

这里提供两种可靠的实现方法：

方法一：定位第一个X1=1的位置截取行 #

library(dplyr)

df1 <- df %>%
  group_by(ID) %>%
  # 找到第一个X1=1的行号，若无则保留所有行
  slice(1:ifelse(any(X1 == 1), which.max(X1 == 1), n())) %>%
  ungroup()

which.max(X1 == 1)会返回组内第一个X1=1的行索引，any(X1 == 1)判断组内是否存在X1=1，不存在则保留全部行。

方法二：用cumany和lag实现简洁过滤 #

library(dplyr)

df1 <- df %>%
  group_by(ID) %>%
  # 过滤掉第一次出现X1=1之后的所有行
  filter(!cumany(lag(X1 == 1, default = FALSE))) %>%
  ungroup()

原理：lag(X1 == 1)获取当前行的前一行是否为X1=1，cumany会将逻辑值累计传递——只要前一行出现过X1=1，后续所有行的cumany结果都会为TRUE，取反后即可过滤掉这些行，正好保留到第一次出现X1=1的位置。

两种方法都能得到与目标df1完全一致的结果。

内容的提问来源于stack exchange，提问作者bvowe