R语言使用dplyr筛选含连续2个yes且总yes≥3的id分组

需求说明 #

需要按id分组保留同时满足以下两个条件的整组数据：

• 组内y列取值为yes的记录总数不少于3条
• 组内y列存在至少连续2个取值为yes的记录

示例数据构造 #

DT<-data.frame(id=c(1,1,1, 1,2,2,2,3,3,3, 3,4,4,4), 
               y=c("no", "yes","yes","no","no", "yes", "no","yes","yes","no","yes", "yes","yes","yes"))

可行dplyr实现代码 #

library(dplyr)
DT %>% 
  group_by(id) %>% 
  filter(
    # 条件1：组内yes总条数≥3
    sum(y == "yes") >= 3,
    # 条件2：存在至少连续2个yes
    any(with(rle(y == "yes"), lengths[values] >= 2))
  ) %>%
  ungroup()

代码逻辑说明 #

1. 先按id分组，两个筛选条件均为组级判断，满足条件的分组会保留全部行
2. 第一个条件直接统计每组y为yes的总条数，满足数量要求
3. 第二个条件使用rle()（游程编码函数）统计连续相同值的长度：
   • rle(y == "yes")返回每组中连续TRUE（对应yes）和FALSE（对应no）的长度列表
   • 提取取值为TRUE的连续长度，判断是否存在长度≥2的情况，满足即存在连续2个及以上yes

原代码问题说明 #

原代码使用行级的cumsum(y == 'yes')>1作为筛选条件，只会保留组内累计yes数超过1的部分行，也没有同时判断两个组级筛选规则，因此无法得到正确结果。

内容的提问来源于stack exchange，提问作者berehan