R语言操作dataframe时如何筛选满足条件的行及其下一行

测试数据 #

首先使用题目给出的示例数据，注意提前将var2转为数值类型（数值比较要求字段为数值格式，字符类型无法正确判断大小），修正原示例代码的语法问题后可直接运行：

df <- data.frame(
  var1 = c("1635", "1635", "1729", "1729", "1847", "1847"),
  var2 = c(28, NA, 2, NA, 5, NA)
)

需求为筛选var2列值小于4的行，同时保留这些匹配行紧邻的下一行，最终输出仅保留var1为1729的两行数据。

实现方法 #

基础R实现 #

核心逻辑是先定位所有满足条件的行索引，再将索引+1（对应下一行）加入待保留索引集合，最后按索引提取子集即可，不需要额外安装依赖包：

# 定位所有var2小于4的行，排除NA值干扰
match_rows <- which(!is.na(df$var2) & df$var2 < 4)
# 合并匹配行、匹配行下一行的索引，去重后排序
keep_rows <- sort(unique(c(match_rows, match_rows + 1)))
# 剔除超出数据总行数的非法索引，避免报错
keep_rows <- keep_rows[keep_rows <= nrow(df)]
# 提取结果
result <- df[keep_rows, ]

运行后输出结果与预期完全一致：

var1 var2
3 1729    2
4 1729   NA

dplyr包实现 #

如果使用tidyverse生态的dplyr处理数据，可以借助lag()函数判断上一行是否满足条件，写法更简洁易读：

library(dplyr)

result <- df %>%
  filter(
    # 保留当前行满足var2<4的记录
    (!is.na(var2) & var2 < 4) |
    # 保留上一行满足var2<4的记录（即匹配行的紧邻下一行）
    (!is.na(lag(var2)) & lag(var2) < 4)
  )

注意事项 #

• 数值比较前必须确认对应列为数值格式，如果数据读入时被自动识别为字符型，需先用as.numeric()做类型转换
• 逻辑判断时必须显式排除NA值，否则NA参与逻辑运算会返回NA，导致筛选结果出错
• 两种方法都自动做了去重处理，即使存在连续多行满足筛选条件，也不会重复保留行

内容的提问来源于stack exchange，提问作者ltong