如何在R中过滤含缺失观测的公交数据并删除后续指定记录

以下是基于tidyverse的简洁实现方案，针对需求——当行程中出现缺失站点时，删除该缺失站点后的指定数量（可灵活调整）记录：

模拟数据 #

首先生成符合场景的模拟数据，包含2个独立行程（用trip_id区分），存在站点缺失：

library(tidyverse)

set.seed(123)
df <- tibble(
  trip_id = rep(c(1, 2), each = 15),
  stop = c(5,6,7,8,10,11,12,13,14,15,16,17,19,20,21,  # 行程1缺失站点9、18
           5,6,8,9,10,11,12,13,15,16,17,18,19,20,21)   # 行程2缺失站点7
)

核心实现代码 #

# 定义缺失站点后需要删除的后续记录数量（可灵活调整）
n_delete <- 3

processed_df <- df %>%
  group_by(trip_id) %>%
  arrange(stop) %>%
  mutate(
    # 生成该路线的理想站点序列（5至20）
    ideal_stops = list(5:20),
    # 找出当前行程缺失的站点
    missing_stops = list(setdiff(ideal_stops[[1]], stop)),
    # 计算每个缺失站点后需要删除的站点范围：从缺失站+1开始，连续n_delete个（不超过20）
    to_remove = list(unlist(map(missing_stops[[1]], ~ seq(.x + 1, min(.x + n_delete, 20)))))
  ) %>%
  # 保留不在删除列表中的记录，且仅保留理想序列内的站点
  filter(!stop %in% to_remove[[1]] & stop %in% ideal_stops[[1]]) %>%
  # 清理辅助计算列
  select(-ideal_stops, -missing_stops, -to_remove) %>%
  ungroup()

# 查看处理结果
print(processed_df)

代码逻辑说明 #

1. 分组处理：按trip_id分组，确保每个行程的缺失站点判断独立进行
2. 识别缺失站点：对比理想站点序列（5-20）和当前行程实际存在的站点，找出缺失值
3. 标记删除范围：对每个缺失站点，计算后续需要删除的连续n_delete个站点（上限为20，避免超出路线站点范围）
4. 过滤记录：保留不在删除范围内的站点，同时剔除理想序列外的无效站点（比如示例中的21）

结果验证 #

• 行程1中缺失9和18，会删除10-12、19-20，最终保留站点：5,6,7,8,13,14,15,16,17
• 行程2中缺失7，会删除8-10，最终保留站点：5,6,11,12,13,15,16,17,18,19,20

内容的提问来源于stack exchange，提问作者OLGJ