R语言按id分组删除cate=Yes且value=1后的观测值

按id分组，删除每个组中首次匹配到cate=Yes 且 value=1之后的所有观测值。

数据示例 #

创建数据框的代码：

df <- data.frame(
  id = c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,5,5,6,6,6,6,7,7,7,7,7),
  cate = c('No','Yes','Yes','No','Yes','No','Yes','Yes','Yes','No','No','No','Yes','Yes','No','No','Yes','Yes','No',NA,'No','Yes','Yes','Yes','No','Yes','Yes','Yes','Yes'),
  value = c(0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,1,1,0,0)
)

原始数据输出：

id cate value
1   1   No     0
2   1  Yes     0
3   1  Yes     0
4   1   No     0
5   1  Yes     0
6   2   No     0
7   2  Yes     1
8   2  Yes     0
9   2  Yes     0
10  2   No     0
11  3   No     0
12  3   No     0
13  3  Yes     0
14  3  Yes     0
15  3   No     0
16  4   No     0
17  4  Yes     0
18  4  Yes     0
19  5   No     0
20  5  Yes     0
21  6   No     0
22  6  Yes     1
23  6  Yes     0
24  6  Yes     0
25  7   No     0
26  7  Yes     1
27  7  Yes     1
28  7  Yes     0
29  7  Yes     0

预期输出 #

id cate value
1   1   No     0
2   1  Yes     0
3   1  Yes     0
4   1   No     0
5   1  Yes     0
6   2   No     0
7   2  Yes     1
8   3   No     0
9   3   No     0
10  3  Yes     0
11  3  Yes     0
12  3   No     0
13  4   No     0
14  4  Yes     0
15  4  Yes     0
16  5   No     0
17  5  Yes     0
18  6   No     0
19  6  Yes     1
20  7   No     0
21  7  Yes     1

解决方案 #

方法1：dplyr实现（推荐） #

通过分组标记首次匹配位置，保留该位置及之前的行：

library(dplyr)

result_df <- df %>%
  group_by(id) %>%
  mutate(
    # 标记目标行
    target = (cate == "Yes" & value == 1),
    # 取首次匹配的行号，无匹配则取组内行数+1，保留所有行
    first_target_pos = min(which(target), n() + 1)
  ) %>%
  filter(row_number() <= first_target_pos) %>%
  select(-target, -first_target_pos) %>%
  ungroup()

print(result_df)

方法2：base R实现 #

拆分分组后逐个处理，再合并结果：

# 按id拆分数据框
grouped_list <- split(df, df$id)

# 逐个处理每个分组
processed_list <- lapply(grouped_list, function(group) {
  target_rows <- which(group$cate == "Yes" & group$value == 1)
  if (length(target_rows) > 0) {
    # 保留到首次匹配的行
    group[1:target_rows[1], ]
  } else {
    # 无匹配则保留全部
    group
  }
})

# 合并分组结果并重置行名
result_df <- do.call(rbind, processed_list)
rownames(result_df) <- NULL

print(result_df)

内容的提问来源于stack exchange，提问作者Mahlet Tadesse