R语言按另一列条件保留指定行及后续数据的技术问询

嘿，我明白你要做的事了——按Cust_ID分组，只保留每个组里第一次出现Value = "A"的行以及之后的所有记录对吧？之前你找到的是取到最后一个"A"的逻辑，刚好反过来，我给你调整成你需要的版本，用dplyr和data.table都能轻松实现：

先确认你的示例数据 #

首先把你的示例数据转换成可运行的代码：

# 构造示例数据框
df1 <- data.frame(
  Cust_ID = c(500219,500219,500219,500219,500219,500219,
              500220,500220,500220,500220,500220),
  Date = as.POSIXct(c("2016-04-11 12:00:00","2016-04-12 16:00:00",
                      "2016-04-14 11:00:00","2016-04-15 12:00:00",
                      "2016-05-23 09:00:00","2016-05-02 19:00:00",
                      "2016-04-11 12:00:00","2016-04-14 11:00:00",
                      "2016-04-15 12:00:00","2016-05-23 09:00:00",
                      "2016-05-02 19:00:00")),
  Value = c("0","A","A","B","B","C","C","C","A","A","A")
)

方法1：使用dplyr #

这里用cumany()函数非常合适，它会在第一次满足条件后一直返回TRUE，完美匹配你的需求：

library(dplyr)

result_dplyr <- df1 %>%
  group_by(Cust_ID) %>%
  filter(cumany(Value == "A")) %>%  # 首次出现"A"后一直保留
  ungroup()

print(result_dplyr)

解释一下：cumany(Value == "A")会遍历每个分组的行，第一次遇到Value="A"时变成TRUE，之后所有行都保持TRUE，filter就会保留这些行。如果某个分组里没有"A"，这个分组会被全部过滤掉——如果你想保留没有"A"的分组的所有行，可以改成filter(any(Value == "A") ? cumany(Value == "A") : TRUE)。

方法2：使用data.table #

同样用cumany()的思路，写法更简洁：

library(data.table)

setDT(df1)  # 转换成data.table格式
result_dt <- df1[, .SD[cumany(Value == "A")], by = Cust_ID]

print(result_dt)

.SD代表每个分组的子数据框，cumany(Value == "A")生成的逻辑向量用来筛选子数据框的行，效果和dplyr版本完全一致。如果要保留无"A"的分组，同样可以调整：df1[, .SD[if(any(Value == "A")) cumany(Value == "A") else TRUE], by = Cust_ID]。

验证结果 #

运行上面的代码后，得到的结果就是你期望的输出：每个客户从第一次出现"A"的行开始，所有后续行都被保留。

内容的提问来源于stack exchange，提问作者Fefton