在R中提取重复测量数据中指定标记行及前后特定行

假设你的数据框名为df，包含boar_id（公猪ID）、measurement_ID（连续测量ID）、reject（标记列）等字段，可通过以下步骤实现需求：

1. 按公猪分组并按measurement_ID排序，确保每组内数据按测量顺序排列
2. 标记出每组中reject == "blood"的行位置
3. 筛选出所有落在目标行前1行到后3行范围内的记录

代码实现 #

library(dplyr)

final_df <- df %>%
  # 按公猪分组处理
  group_by(boar_id) %>%
  # 组内按measurement_ID升序排列，保证顺序正确
  arrange(measurement_ID, .by_group = TRUE) %>%
  mutate(
    # 生成组内行号，用于定位
    row_idx = row_number(),
    # 提取当前组中所有reject为"blood"的行的位置
    blood_rows = which(reject == "blood"),
    # 判断当前行是否在目标范围内：行号处于任意blood行的[-1, +3]区间
    to_keep = sapply(row_idx, function(x) any(between(x, blood_rows - 1, blood_rows + 3)))
  ) %>%
  # 筛选需要保留的行
  filter(to_keep) %>%
  # 移除临时辅助列
  select(-row_idx, -blood_rows, -to_keep) %>%
  ungroup()

关键说明 #

• 必须先按boar_id分组再排序，确保每个公猪的测量数据是连续有序的
• 用row_number()生成组内相对位置，替代日期作为排序依据，避免日期格式问题
• between()函数自动处理边界情况：比如目标行是组内第一行时，不会错误提取不存在的前1行；目标行是组内最后几行时，仅提取存在的后续行

内容的提问来源于stack exchange，提问作者Zklr