如何在R语言DataFrame中提取分组后首次出现非零值的记录？

问题描述 #

我们需要从包含id、rep、age、babies字段的DataFrame中，按id和rep分组，仅保留每组中首次出现babies非零的行，以此获取动物首次产仔的年龄。

原始数据如下：

id <- c("A","A","A","A","A","A","B","B","B","B","B","B","B","B","B")
rep <- c(1,1,1,2,2,2,1,1,1,1,2,2,2,2,2)
age <- c(0,1,2,0,1,2,0,1,2,3,0,1,2,3,4)
babies <- c(0,0,1,0,1,0,0,0,0,1,0,0,0,1,1)

df <- data.frame(id,rep,age,babies)

期望输出结果：

id <- c("A","A","B","B")
rep <- c(1,2,1,2)
age <- c(2,1,3,3)
babies <- c(1,1,1,1)

df <- data.frame(id,rep,age,babies)

解决方案 #

方法1：使用dplyr包（tidyverse风格） #

先安装并加载dplyr包，通过分组、筛选非零值、取每组第一行实现需求：

library(dplyr)

result <- df %>%
  group_by(id, rep) %>%
  filter(babies != 0) %>%
  slice(1) %>%
  ungroup()

print(result)

方法2：使用Base R（无需额外包） #

利用ave函数计算每组内非零值的累积计数，筛选出计数为1的非零行：

result <- df[ave(df$babies != 0, df$id, df$rep, FUN = cumsum) == 1 & df$babies != 0, ]

print(result)

两种方法均可得到目标结果：dplyr写法直观易读，适合复杂数据处理场景；Base R方法无需依赖第三方包，适合轻量需求。

内容的提问来源于stack exchange，提问作者Rspacer