时间序列截面数据集筛选：保留TRUE值及其前4个FALSE值

我有一个时间序列截面数据集，value列中的TRUE值出现在若干FALSE值之后，需要筛选数据，保留所有TRUE值及其对应的前4个FALSE值。以下是示例输入数据和期望输出数据：

示例输入数据 #

df = tibble(country = c("A","A","A","A","A","A","A",
                        "B","B","B","B","B","B","B", 
                        "C", "C", "C", "C", "C", "C", "C", 
                        "D", "D", "D", "D", "D", "D", "D"),
            year = c("2010", "2011", "2012", "2013", "2014","2015", "2016",
                     "2010", "2011", "2012", "2013", "2014","2015", "2016",
                     "2010", "2011", "2012", "2013", "2014","2015", "2016",
                     "2010", "2011", "2012", "2013", "2014","2015", "2016"),
            value = c(TRUE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE,
                      TRUE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE,
                      TRUE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE,
                      TRUE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE))

期望输出数据 #

outcome = tibble(country = c("A","A","A","A","A",
                             "B","B","B","B","B", 
                             "C", "C", "C", "C", "C", 
                             "D", "D", "D", "D", "D"),
                 year = c("2011", "2012", "2013", "2014","2015",
                          "2011", "2012", "2013", "2014","2015",
                          "2011", "2012", "2013", "2014","2015",
                          "2011", "2012", "2013", "2014","2015"),
                 value = c(FALSE, FALSE, FALSE, FALSE, TRUE,
                           FALSE, FALSE, FALSE, FALSE, TRUE,
                           FALSE, FALSE, FALSE, FALSE, TRUE,
                           FALSE, FALSE, FALSE, FALSE, TRUE))

解决方案 #

使用dplyr和purrr包可以高效实现需求，核心思路是按国家分组后，定位每个TRUE值的位置，再筛选出该位置及前4行的记录：

library(dplyr)
library(purrr)

df_filtered <- df %>%
  group_by(country) %>%
  # 为每组内的行添加序号
  mutate(row_num = row_number()) %>%
  # 筛选行号落在任意TRUE值位置前4到自身范围内的记录
  filter(
    map_lgl(row_num, ~ any(between(.x, (which(value == TRUE) - 4), which(value == TRUE))))
  ) %>%
  # 移除辅助列
  select(-row_num) %>%
  ungroup()

# 验证结果是否与期望输出一致
all.equal(df_filtered, outcome)

代码说明 #

1. 分组：按country分组，确保每个国家的时间序列单独处理
2. 添加行号：用row_number()生成每组内的行序号，方便定位位置
3. 筛选逻辑：对每一行的行号，检查是否落在任意一个TRUE值位置的前4位到该位置之间（包含两端）
4. 清理：移除辅助的行号列，取消分组

如果你的数据中存在TRUE值前面不足4个FALSE的情况，该代码会自动保留从起始行到TRUE值的所有记录，无需额外调整。

内容的提问来源于stack exchange，提问作者Alper Yılmaz