R语言基于条件对分组数据框筛选指定观测的实现咨询

依赖包 #

需提前安装加载dplyr用于数据分组处理，lubridate用于日期格式校验：

install.packages(c("dplyr", "lubridate"))
library(dplyr)
library(lubridate)

核心实现逻辑 #

按ID分组后先对组内数据按日期升序排列，再根据组内Test的取值情况匹配筛选规则：

• 组内所有Test均为0：取组内最后一行（对应最新日期）
• 组内所有Test均为1：取组内第一行（对应最早日期）
• 组内同时存在0和1：取第一个Test取值为1的行

完整代码示例 #

1. 构造示例测试数据 #

df <- tibble(
  ID = c(rep("A",3), rep("B",3), rep("C",3)),
  Date = ymd(c("2023-01-01", "2023-01-02", "2023-01-03",
               "2023-01-01", "2023-01-02", "2023-01-03",
               "2023-01-01", "2023-01-02", "2023-01-03")),
  Test = c(0,0,0, 0,1,1, 1,1,1)
)

2. 执行筛选 #

result <- df %>%
  # 按ID和日期升序排列，保证日期顺序正确
  arrange(ID, Date) %>%
  group_by(ID) %>%
  slice(
    case_when(
      max(Test) == 0 ~ n(),
      min(Test) == 1 ~ 1,
      TRUE ~ which(Test == 1)[1]
    )
  ) %>%
  ungroup()

3. 输出结果验证 #

上面的示例数据执行后得到的结果如下，完全符合筛选规则：

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