如何用单次逻辑语句按组仅标记1个超阈值的数据行？

原始数据集 #

test <- data.frame(
  grp = c("A", "A", "A", "B", "B", "B"),
  value = c(1, 3, 5, 1, 3, 5),
  threshold = c(4,4,4,2,2,2)
)

需求说明 #

需要给数据集新增want列，每个分组内仅标记1个value超过threshold的行，目标结果如下：

want <- data.frame(
  grp = c("A", "A", "A", "B", "B", "B"),
  value = c(1, 3, 5, 1, 3, 5),
  threshold = c(4,4,4,2,2,2),
  want = c(NA, NA, "yes", NA, "yes", NA)
)

已实现的两步解法 #

目前通过两次mutate完成需求：

library(dplyr)
test %>%
  group_by(grp) %>%
  mutate(want = if_else(value > threshold, "yes", NA_character_)) %>%
  mutate(across(want, ~replace(.x, duplicated(.x), NA)))

单次mutate的实现方案 #

方法1：标记组内第一个符合条件的行 #

利用match()定位组内第一个value>threshold的行位置，配合row_number()完成判断，一次mutate即可实现：

library(dplyr)

test %>%
  group_by(grp) %>%
  mutate(want = if_else(value > threshold & row_number() == match(TRUE, value > threshold), "yes", NA_character_)) %>%
  ungroup()

逻辑说明：match(TRUE, value > threshold)返回组内首个满足value>threshold的行号，当前行号匹配该值时标记"yes"，其余情况为NA。

方法2：基于自定义规则标记特定行 #

如果需要按其他规则选择标记行（比如组内value最小的超阈值行、最大的超阈值行），可以结合聚合函数实现。比如标记组内value最小的超阈值行：

test %>%
  group_by(grp) %>%
  mutate(
    want = if_else(
      value > threshold & value == min(value[value > threshold]), 
      "yes", 
      NA_character_
    )
  ) %>%
  ungroup()

逻辑说明：先筛选组内所有超阈值的value，取其中最小值，当前行value等于该最小值时标记"yes"。

通用逻辑步骤 #

1. 按分组字段（grp）对数据集分组
2. 在组内定义筛选规则，确定唯一要标记的目标行（比如首个出现、值最小/最大的超阈值行）
3. 用if_else构造逻辑判断：当前行符合目标行条件则标记"yes"，否则设为NA

内容的提问来源于stack exchange，提问作者aiorr