如何按id分组删除dataframe中state.j==6之后的行？

核心问题分析 #

你之前的代码出错，是因为没有按ID分组处理：df$irm[df$state.j == 6]会提取整个数据集里所有state.j == 6的irm值，而非每个ID组内首次出现该条件对应的irm，导致向量长度不匹配，结果自然错误。

推荐高效方案（dplyr） #

针对百万级数据+万级ID，优先用向量化分组操作，效率远高于循环：

library(dplyr)

df_processed <- df %>%
  group_by(id) %>%
  # 计算当前ID组内首次出现state.j==6的行号，无匹配则保留全组
  mutate(cutoff = ifelse(any(state.j == 6), which(state.j == 6)[1], n())) %>%
  # 保留截断行之前的所有数据
  filter(row_number() <= cutoff) %>%
  select(-cutoff) %>%
  ungroup()

更极致的大数据方案（data.table） #

如果数据量极大，data.table的速度会比dplyr更优：

library(data.table)

setDT(df)
df_processed <- df[, .SD[1:ifelse(any(state.j == 6), which(state.j == 6)[1], .N)], by = id]

For循环方案（不推荐，仅作参考） #

确实可以用for循环，但万级ID会导致运行缓慢，仅适合小数据测试：

unique_ids <- unique(df$id)
processed_list <- list()

for (idx in seq_along(unique_ids)) {
  sub_df <- df[df$id == unique_ids[idx], ]
  first_6 <- which(sub_df$state.j == 6)[1]
  if (!is.na(first_6)) {
    sub_df <- sub_df[1:first_6, ]
  }
  processed_list[[idx]] <- sub_df
}

df_processed <- do.call(rbind, processed_list)

内容的提问来源于stack exchange，提问作者jvalenti