如何在R中按客户组筛选首次购买香蕉后的所有行（含该行）

首先将你的示例数据转换为可直接运行的R代码：

df <- data.frame(
  customer_id = c(1,1,2,2,2,3,3),
  account_seq = c(1,2,1,3,4,1,3),
  product = c("apple", "banana", "apple", "banana", "orange", "banana", "apple")
)

方法一：使用dplyr包 #

这是tidyverse生态下的常用方案，代码可读性强：

library(dplyr)

filtered_df <- df %>%
  group_by(customer_id) %>%
  # 筛选每个客户首次购买香蕉及之后的所有记录
  filter(row_number() >= which(product == "banana")[1]) %>%
  ungroup()

print(filtered_df)

代码说明 #

• group_by(customer_id)：按客户ID分组处理
• which(product == "banana")[1]：获取当前客户第一次购买香蕉的行号
• row_number() >= 上述行号：保留该行及之后的所有记录
• 如果存在从未购买香蕉的客户，该组会被自动过滤；若需保留这些客户，可修改filter条件为：

  filter(ifelse(length(which(product == "banana")) > 0, row_number() >= which(product == "banana")[1], TRUE))
  

方法二：使用data.table包 #

针对大数据集，data.table的处理效率更高：

library(data.table)

setDT(df)
filtered_dt <- df[, .SD[row_number() >= which(product == "banana")[1]], by = customer_id]

print(filtered_dt)

代码说明 #

• setDT(df)：将普通data.frame转换为data.table格式
• .SD代表当前分组的子数据集，通过row_number()筛选符合条件的行

运行任意一种方法，都会得到你期望的输出：

#   customer_id account_seq product
# 1           1           2  banana
# 2           2           3  banana
# 3           2           4  orange
# 4           3           1  banana
# 5           3           3   apple

内容的提问来源于stack exchange，提问作者Ivan