R语言按id分组删除因子多水平首次出现后后续行的实现方法

核心思路 #

通过定位每个id下首次出现b/c的时间节点，保留所有时间小于等于该节点的行，自然兼容同时间点多条b/c记录的场景，同时满足无b/c记录的id全保留的规则。

实现代码 #

library(dplyr)
dat_result <- dat %>%
  # 按id分组
  group_by(id) %>%
  # 组内按时间排序，保证时间顺序正确
  arrange(dt, .by_group = TRUE) %>%
  # 计算当前id首次出现b/c的时间，无对应记录时返回无穷大Inf
  mutate(first_bc_time = min(dt[ind %in% c("b", "c")], na.rm = TRUE)) %>%
  # 保留所有时间早于或等于首次b/c时间的行
  filter(dt <= first_bc_time) %>%
  # 移除辅助计算列
  select(-first_bc_time) %>%
  # 取消分组
  ungroup()

逻辑验证 #

• 对于id=1：首次b/c时间为2017-07-01，仅保留该时间及之前的2行，删除7月4日的后续行，符合要求
• 对于id=3：首次b/c时间为2017-08-10，该时间点的b、c两行均被保留，删除8月15日的后续行，符合要求
• 对于无b/c记录的id=4、id=6：min()对空集返回Inf，所有行均满足dt <= Inf，全部保留
• 对于仅含b的id=5：首次b/c时间就是该行的时间，该行被正常保留

运行上述代码得到的结果和你给出的期望输出dat2完全一致。 #

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