在事件发生后从组数据中删除行

Question

我有一个包含ID，日期和事件的数据集。事件是一个二元结果变量。 每个ID最多只能有一个事件。该事件之后可能会有更多的0。我想要删除按事件分组显示的所有零。我有一个使用dplyr的解决方案，但有兴趣知道是否有更好的方法。过去某个时候发生事件的好方法是什么？

library(dplyr) 
d <-as.Date("01-05-15", "%d-%m-%y") 
#Starting dataset 
df <- data.frame(ID= c(rep(234,4),rep(235,6), rep(237,5)), 
     date = as.Date(c((d-4):(d-1),(d-1):(d+4),(d+1):(d+5)),origin="1960-10-01"), 
     event = c(0,1,0,0,0,0,0,0,0,0,0,0,0,1,0)) 

#desired result 
df[c(1:2,5:14),] 

#How can Improve this? 
df %>% group_by(ID) %>% 
    mutate(cumulative = lag(cumsum(event), default = 0)) %>% 
    filter(cumulative <1) %>% 
    select(-cumulative) %>% ungroup 

Answer 1

我们可以试试dplyr。在'ID'分组后，检查'event'中的元素all是否为（all(event == 0)）或（|）行序列小于或等于'event'的第一个最大元素（row_number() <= which.max(event)）的索引并使用该逻辑索引为filter的行。

library(dplyr) 
df %>% 
    group_by(ID) %>% 
    filter(row_number() <= which.max(event)|all(event==0)) 
#  ID  date event 
# <dbl>  <date> <dbl> 
#1 234 2015-04-27  0 
#2 234 2015-04-28  1 
#3 235 2015-04-30  0 
#4 235 2015-05-01  0 
#5 235 2015-05-02  0 
#6 235 2015-05-03  0 
#7 235 2015-05-04  0 
#8 235 2015-05-05  0 
#9 237 2015-05-02  0 
#10 237 2015-05-03  0 
#11 237 2015-05-04  0 
#12 237 2015-05-05  1 

或者多一点的紧凑选项将是对event双累计总和等于1，并检查它是否是小于2的filter通话。

df %>% 
    group_by(ID) %>% 
    filter(cumsum(cumsum(event == 1))<2) 

---

或者用data.table，转换 'data.frame' 到 'data.table'（setDT(df)）中，由 'ID' ifall的 '事件' 的元素是0分组，子集中的数据.table（.SD）或else子集Data.table中的行包含'event'中的第一个到第一个最大元素。

library(data.table) 
setDT(df)[, if(all(event==0)) .SD else .SD[seq(which.max(event))], by = ID]