R语言按id分组筛选每组首次出现type="y"及之前行的实现问题

原代码问题分析 #

你当前编写的代码不符合预期的核心原因有两点：

1. 未提前按id分组，求和逻辑是全局计算而非组内独立计算
2. 筛选逻辑错误：仅判断type为x或y的总计数为1，会保留第一个y之后的所有x记录，同时会过滤掉组内多个y的场景，完全不符合「保留到第一个y为止」的需求

正确实现方式 #

方法1：基于slice按位置截取（可读性更高） #

library(dplyr)
df %>% 
  group_by(id) %>% 
  slice(seq_len(which.max(type == "y"))) %>% 
  ungroup()

逻辑说明：

• which.max(type == "y") 会返回组内第一个type="y"对应的行索引
• seq_len()生成从1到目标索引的整数序列，slice()按序列保留对应行，刚好覆盖首次y及之前的所有记录
• 如果存在部分组没有type="y"的场景，可以调整适配边界：

  slice(seq_len(if(all(type != "y")) n() else which.max(type == "y")))
  

方法2：基于cumsum累加判断（写法更简洁） #

library(dplyr)
df %>% 
  group_by(id) %>% 
  filter(cumsum(cumsum(type == "y")) <= 1) %>% 
  ungroup()

逻辑说明：

• 内层cumsum(type == "y")会对出现y的次数累加，首次出现y时累加值变为1，之后一直≥1
• 外层再做一次累加，首次y的位置累加值为1，之后的所有行累加值都≥2，通过<=1筛选即可保留到第一个y为止的所有行

运行结果 #

两种方法执行后都将得到你期望的输出：

id type
1   1    x
2   1    x
3   1    y
4   2    x
5   2    x
6   2    x
7   2    y
8   3    x
9   3    x
10  3    x
11  3    x
12  3    y

内容的提问来源于stack exchange，提问作者berehan