R 排除特定行下面的所有记录

我的数据包含三个变量和三个唯一ID，每个变量都有多条记录。见下文

ID <- c(rep(1,7), rep(2,6), rep(3,5), rep(4,6))
t <- c(seq(1,7), seq(1,6), seq(1,5), rep(2,6))
y <- c(rep(6,7), rep(1,6), rep(6,5), rep(0.2,6))
z <- c(5,0,0,0,1,0,0,0,0,-1,0,0,0,4,2,NaN,0,1,0,0,1,Inf,Inf, Inf)
dat1 <- data.frame(ID, t, y, z)

---

ID这适用于您的示例数据。可能不是最快的解决方案

mutate(dat1, rownumber = 1:nrow(dat1)) -> dat1

for(i in unique(dat1$ID)) {
  firstMiss = min(filter(dat1, ID==i & 
                           (z %in% c(NaN, Inf, -Inf) |
                              z < 0))$rownumber,
                  max(filter(dat1, ID==i)$rownumber)+1,
                  na.rm=TRUE)
  dat1 <- filter(dat1, !(ID==i & rownumber >= firstMiss))
}
dat2 <- select(dat1, -rownumber)

mutate（dat1，rownumber=1:nrow（dat1））->dat1
对于（唯一的i（dat1$ID））{
firstMiss=min（过滤器（dat1，ID==i&
（z%在%c中（NaN，Inf，-Inf）|
z<0））$rownumber，
最大值（过滤器（dat1，ID==i）$rownumber）+1，
na.rm=TRUE）
dat1=首次未命中）
}
dat2如果您的
ID
列按升序排序，则可以使用

dat2 <- dat1[unlist(tapply(dat1$z, dat1$ID, function(x) 
             cumsum(x<0 | x %in% c(NaN, -Inf, Inf))==0)),]

dat2
   ID t   y z
1   1 1 6.0 5
2   1 2 6.0 0
3   1 3 6.0 0
4   1 4 6.0 0
5   1 5 6.0 1
6   1 6 6.0 0
7   1 7 6.0 0
8   2 1 1.0 0
9   2 2 1.0 0
14  3 1 6.0 4
15  3 2 6.0 2
19  4 2 0.2 0
20  4 2 0.2 0
21  4 2 0.2 1

dat2
ave
，作为一组由替代品组成。使用
cumsum
计数器识别要删除的任何后续行：

dat1[with(dat1, ave(z < 0 | (!is.finite(z)), ID, FUN=cumsum) == 0),]

dat1[带（dat1，ave（z<0 |（！is.finite（z）），ID，FUN=cumsum）==0），]

快速检查以查看它们是否匹配，但行名未对齐的情况除外：

all.equal(
  dat2,
  dat1[with(dat1, ave(z < 0 | (!is.finite(z)), ID, FUN=cumsum) == 0),],
  check.attributes=FALSE
)
#[1] TRUE

all.equal(
dat2，
dat1[with（dat1，ave（z<0 |（！is.finite（z）），ID，FUN=cumsum）==0），]，
check.attributes=FALSE
)
#[1] 真的
仅适用于LAFF：

library(dplyr)
dat1 %>% group_by(ID) %>% 
         mutate(non_positive = min(which(lead(z,1) < 0 | 
                                 !is.finite(lead(z,1)) | row_number() == n()))) %>%
         filter(row_number() <= non_positive) %>%
         select(-non_positive)

# # A tibble: 14 x 4 
# # Groups:   ID [4] 
#       ID     t     y     z 
#    <dbl> <dbl> <dbl> <dbl> 
#  1     1     1   6.0     5 
#  2     1     2   6.0     0 
#  3     1     3   6.0     0 
#  4     1     4   6.0     0 
#  5     1     5   6.0     1 
#  6     1     6   6.0     0 
#  7     1     7   6.0     0 
#  8     2     1   1.0     0 
#  9     2     2   1.0     0 
# 10     3     1   6.0     4 
# 11     3     2   6.0     2 
# 12     4     2   0.2     0 
# 13     4     2   0.2     0 
# 14     4     2   0.2     1

库（dplyr）
dat1%%>%分组依据（ID）%%>%
突变（非阳性=最小值）（其中（导联（z，1）<0）
！is.finite（前导（z，1））|行数（）==n（））%>%
过滤器（行号（）%
选择（-非正）
##A tibble:14 x 4
##组：ID[4]
#ID t y z
#        
#  1     1     1   6.0     5 
#  2     1     2   6.0     0 
#  3     1     3   6.0     0 
#  4     1     4   6.0     0 
#  5     1     5   6.0     1 
#  6     1     6   6.0     0 
#  7     1     7   6.0     0 
#  8     2     1   1.0     0 
#  9     2     2   1.0     0 
# 10     3     1   6.0     4 
# 11     3     2   6.0     2 
# 12     4     2   0.2     0 
# 13     4     2   0.2     0 
# 14     4     2   0.2     1
这取决于ID是否按顺序排序。请针对
dat1 Yes-
tapply
尝试将它们视为因素并进行排序。我在上面添加了一条警告。谢谢。您使用
ave
的解决方案更好。与
cummin
基本相同的是
dat1[as.logical（ave（dat1$z，dat1$ID，FUN=function（x））cummin（is.finite（x）&x>=0）），]
。可以通过更紧密地匹配参数来进行一些清理。
library(dplyr)
dat1 %>% group_by(ID) %>% 
         mutate(non_positive = min(which(lead(z,1) < 0 | 
                                 !is.finite(lead(z,1)) | row_number() == n()))) %>%
         filter(row_number() <= non_positive) %>%
         select(-non_positive)

# # A tibble: 14 x 4 
# # Groups:   ID [4] 
#       ID     t     y     z 
#    <dbl> <dbl> <dbl> <dbl> 
#  1     1     1   6.0     5 
#  2     1     2   6.0     0 
#  3     1     3   6.0     0 
#  4     1     4   6.0     0 
#  5     1     5   6.0     1 
#  6     1     6   6.0     0 
#  7     1     7   6.0     0 
#  8     2     1   1.0     0 
#  9     2     2   1.0     0 
# 10     3     1   6.0     4 
# 11     3     2   6.0     2 
# 12     4     2   0.2     0 
# 13     4     2   0.2     0 
# 14     4     2   0.2     1