如何按分组删除数据框指定列特定值首次出现前的所有行

方法1：使用dplyr（tidyverse生态，写法简洁易读） #

核心逻辑是按指定列分组后，对目标值的匹配结果做累加，筛选累加值≥1的行即可。
先构造示例数据：

df <- read.table(text = "
a   b   x
1   1   NA
1   2   NA
1   3   1
1   4   0
1   5   0
1   6   NA
1   7   NA
2   1   NA
2   2   NA
2   3   1
2   4   NA
2   5   0
2   6   0
2   7   NA
3   1   NA
3   2   NA
3   3   NA
3   4   NA
3   5   1
3   6   0
3   7   NA
", header = TRUE)

执行过滤代码：

library(dplyr)
result <- df %>%
  group_by(a) %>%
  filter(cumsum(x == 1 & !is.na(x)) >= 1) %>%
  ungroup()

方法2：使用data.table（性能更优，适合大数据量场景） #

library(data.table)
setDT(df)
result <- df[, .SD[cumsum(x == 1 & !is.na(x)) >= 1], by = a]

逻辑说明 #

• 分组内逐行判断x是否等于1，匹配成功返回1，匹配失败/值为NA时返回0
• 对判断结果做累加，第一次出现目标值1时累加值变为1，后续所有行的累加值都≥1
• 筛选累加值≥1的行，就自动排除了首次出现目标值前的所有行，首次出现后的NA和其他值都会正常保留，完全符合需求预期。

内容的提问来源于stack exchange，提问作者Pegi