You need to enable JavaScript to run this app. 基于dplyr的lag/lead过滤与group_by:筛选符合时间条件的take on行
优惠活动
大模型
产品
解决方案
定价
更多

基于dplyr的lag/lead过滤与group_by:筛选符合时间条件的take on行

筛选同队同赛事中射门5秒内发生的过人记录

问题场景

有一个超过10万行的DataFrame,包含time(时间)、team(球队)、match(赛事)、type(事件类型)字段。需求是:按球队+赛事分组,筛选出所有发生在type为shot(射门)的行之前5秒内的type为take on(过人)的行。

用户尝试的代码无论设置5/10/15秒的时间阈值,输出结果都一致,需要修正代码问题。

原始数据

timeteammatchtype
2023-01-15 13:19:05PSGAset
2023-01-15 13:19:15ArsenalDtake on
2023-01-15 13:19:17Man CityCtake on
2023-01-15 13:19:19ArsenalDshot
2023-01-15 13:19:27PSGFtake on
2023-01-15 13:19:28BarcelonaStake on
2023-01-15 13:19:29Real MadridEshot
2023-01-15 13:19:30PSGFset
2023-01-15 13:19:31PSGFshot

期望输出

timeteammatchtype
2023-01-15 13:19:15ArsenalDtake on
2023-01-15 13:19:27PSGFtake on

原代码问题分析

library(dplyr)
data$time <- lubridate::as_datetime(data$time)

data %>%
     group_by(team, match) %>%
     filter(type == "take on",
            (time - lead(time, order_by=team)) <= 5 &
            lead(events, order_by=team) == "shot")
  1. 排序缺失:分组后未按time排序,lead()的order_by=team完全错误,无法按时间顺序获取后续事件。
  2. 变量名错误:原数据无events字段,应替换为type。
  3. 时间差逻辑颠倒:take on发生在shot之前,正确的时间差应为lead(time) - time <= 5,原代码中time - lead(time)为负数,永远满足<=5,这是阈值失效的核心原因。

修正后的代码

library(dplyr)
library(lubridate)

# 转换时间格式为datetime
data$time <- as_datetime(data$time)

result <- data %>%
  # 按球队+赛事分组,确保同一场比赛的事件关联
  group_by(team, match) %>%
  # 分组内按时间排序,保证事件顺序正确
  arrange(time, .by_group = TRUE) %>%
  filter(
    type == "take on",
    # 下一个事件必须是射门
    lead(type) == "shot",
    # 计算射门与过人的时间差,控制在5秒内
    as.duration(lead(time) - time) <= dseconds(5)
  ) %>%
  ungroup()

print(result)

代码说明

  • arrange(time, .by_group = TRUE):分组后按时间排序,确保lead()能正确获取后续的射门事件。
  • as.duration(...) <= dseconds(5):用lubridate的时长函数精确计算时间差,避免时区或格式导致的误差。
  • ungroup():处理完分组逻辑后取消分组,避免后续操作受分组状态影响。

运行上述代码后,输出结果与期望完全一致。

内容的提问来源于stack exchange,提问作者Delopera

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.07.24 04:55:25