如何用data.table筛选符合条件的行，组内无符合条件则取首行？

需求概述 #

• 从大规模数据集中筛选出monthX列值>0的行
• 若某个按ID分组的组内无满足条件的行，则保留该组的第一行
• 最终每个ID仅保留一行记录

示例代码与数据 #

library(data.table)

# 构造示例数据
df1 <- data.frame(
  ID = c(rep(1,3), rep(2,3), rep(3,4)),
  Mo = c(1:3, 1:3, 1:4),
  stX = c("NA", "X", "X", "NA", "NA", "NA", "NA", "X", "NA", "NA")
)

df2 <- df1
# 转换为data.table并执行分组处理
df2 <- setDT(df2)[, firstX := +(.I == .I[stX == 'X'][1]), by = ID][
  , monthX := ifelse(firstX == 1, Mo, 0)
]

代码解析 #

• 先将普通数据框转换为data.table格式，借助其高效的分组运算能力适配大规模数据集
• 按ID分组后，标记每组中第一个stX等于X的行（firstX列赋值为1，其余行赋值为0）
• 通过monthX列生成筛选标记：firstX为1的行保留Mo的值，其余行赋值为0。后续可通过monthX > 0筛选目标行，对无符合条件行的分组，直接保留该组第一行即可满足需求

内容的提问来源于stack exchange，提问作者Village.Idyot