R语言按id分组筛选出现连续两个yes后所有行的实现问题

需求说明 #

对按id分组的数据集进行过滤，仅保留每个id分组中第一次观测到连续两个"yes"值之后的所有记录（包含这两个连续yes本身）。

示例构造数据 #

DT<-data.frame(id=c(1,1,1,2,2,2,2,3,3,3,3,3,3,3),
type=c("yes","yes","no","no","yes","yes","no","no","yes","no","yes","yes","no","yes"))

预期输出结果 #

id type
   1  yes
   1  yes
   1   no
   2  yes
   2  yes
   2   no
   3  yes
   3  yes
   3   no
   3  yes

正确实现代码（dplyr） #

library(dplyr)

DT %>%
  group_by(id) %>%
  # 标记当前行和上一行是否为连续yes
  mutate(consec_yes = type == "yes" & lag(type, default = "") == "yes",
         # 计算首次连续yes对应的保留起始行号
         start_row = which(consec_yes)[1] - 1) %>%
  # 过滤无连续yes的分组，保留起始行及之后的所有记录
  filter(!is.na(start_row), row_number() >= start_row) %>%
  # 清理辅助列输出结果
  select(id, type) %>%
  ungroup()

逻辑说明 #

1. 按id分组后每个组独立计算规则
2. lag(type, default = "")取当前行的上一行type值，避免首行出现NA导致判断错误
3. 首次出现consec_yes=TRUE的行是连续两个yes的第二行，往前推1行就是连续两个yes的第一行，作为保留记录的起始位置
4. 过滤掉不存在连续yes的分组，仅保留每个组起始位置及之后的所有行即可得到目标结果

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