R 分组变量保持序列的滤波

我有一个数据帧：

df <- data.frame(
        Group=c('A','A','A','A','B','B','B','B'),
        Activity = c('EOSP','NOR','EOSP','COSP','NOR','EOSP','WL','NOR'),
        TimeLine=c(1,2,3,4,1,2,3,4)
      )

结果：

# A tibble: 6 x 3
# Groups:   Group [2]
  Group Activity TimeLine
  <fct> <fct>       <dbl>
1 A     EOSP            1
2 A     NOR             2
3 A     EOSP            3
4 B     NOR             1
5 B     EOSP            2
6 B     NOR             4

#一个tible:6 x 3
#分组：分组[2]
团体活动时间表
1 A EOSP 1
2 A或2
3 A EOSP 3
4 B或1
5 B EOSP 2
6 B或4

---

我不希望第3行出现在

或
之后，因为
EOSP
出现在
之后。同样，对于B组，我不想要第4行，因为
或
发生在
EOSP
之前。如何实现这一点？
您可以使用
match
获取
Activity==EOSP
的第一个实例，并使用
slice
删除之前的所有内容。一旦这样做，您就可以删除重复项并在
EOSP
和
或
上进行过滤，即

library(tidyverse)

df %>% 
 group_by(Group) %>% 
 mutate(new = match('EOSP', Activity)) %>% 
 slice(new:n()) %>% 
 distinct(Activity, .keep_all = TRUE) %>% 
 filter(Activity %in% c('EOSP', 'NOR'))

这就给了,

#一个tible:4 x 4
#分组：分组[2]
团体活动时间表新增
1 A EOSP 1 1
2 A或2 1
3 B EOSP 2
4 B或4 2

注意1:您可以
取消分组（）
和
选择（-new）

注2:此处发出的警告消息

（警告信息：
1:在new:4L:数值表达式中有4个元素：仅使用第一个元素
2：在new:4L中：数值表达式有4个元素：仅使用第一个元素
)

不要影响我们，因为我们只需要它来使用第一个元素，因为所有元素都是相同的
这里有一个包选项：您将
df
与自身连接，将其子集，以仅保留
EOSP
活动
并按组计算
时间线的最小值，然后，您可以仅保留
时间线
大于或等于此
时间线
的行，以确保仅在之前存在
EOSP
时才保留
或
。如果希望每个组只保留2个活动，则删除重复的组和活动：

df[df[Activity=="EOSP", min(TimeLine), by=Group], on="Group"][Activity %in% c("NOR", "EOSP") & TimeLine >= V1][!duplicated(paste(Group, Activity))]

#   Group Activity TimeLine V1
#1:     A     EOSP        1  1
#2:     A      NOR        2  1
#3:     B     EOSP        2  2
#4:     B      NOR        4  2

下面是一个
dplyr
想法：

df %>%
  filter(Activity %in% c('EOSP','NOR')) %>%
  group_by(Group) %>%
  mutate(tmp = which(Activity == 'EOSP' & !duplicated(Activity))) %>%
  filter(row_number() %in%  c(tmp, tmp+1)) 

# A tibble: 4 x 4
# Groups:   Group [2]
  Group Activity TimeLine   tmp
  <fct> <fct>       <dbl> <int>
1 A     EOSP            1     1
2 A     NOR             2     1
3 B     EOSP            2     2
4 B     NOR             4     2

df%>%
筛选器（%c（'EOSP'，'NOR'）中的活动%）%>%
分组依据（分组）%>%
突变（tmp=which（Activity='EOSP'&！duplicated（Activity）））%>%
过滤器（行号（）%在%c中（tmp，tmp+1））
#一个tibble:4x4
#分组：分组[2]
团体活动时间表
1 A EOSP 1 1
2 A或2 1
3 B EOSP 2
4 B或4 2
如果有多个
'EOSP'
和
'NOR'
按所需顺序排列，该怎么办。你也想保留它们吗？@RonakShah，是的，因为每个团体可能有多个这样的活动。基本上，这些活动都有时间戳，我试图计算它们之间的时间差。谢谢你今天两次帮助我！为什么不直接添加
…%>%您的代码中是否有不同的（活动）
？i、 e.
df%>%groupby（group）%%>%filter（全部（c（'EOSP'，'NOR'）%in%Activity）和活动%in%c（'EOSP'，'NOR'））%%>%distinct（Activity）
@Sotos，不完全相同。这仍然不能维持我需要数据的顺序。使用您的代码，对于B组，我获得与时间线1和2对应的B组的值
NOR
和
EOSP
。但是，我需要与时间线活动2和4对应的
EOSP
和
NOR
。此外，同一组中可能有多对这样的活动。@Dhiraj也许您应该删除“也按时间线中指定的顺序”，因为您的顺序不是由B组中的时间线决定的。这太棒了！在我的原始数据中做了一个小的更改，有时活动
EOSP
在特定组中不存在，导致NAs。因此，就在您的
切片（new:n（））
之前，添加了一个
na.omit（）%%>%%
df[df[Activity=="EOSP", min(TimeLine), by=Group], on="Group"][Activity %in% c("NOR", "EOSP") & TimeLine >= V1][!duplicated(paste(Group, Activity))]

#   Group Activity TimeLine V1
#1:     A     EOSP        1  1
#2:     A      NOR        2  1
#3:     B     EOSP        2  2
#4:     B      NOR        4  2

df %>%
  filter(Activity %in% c('EOSP','NOR')) %>%
  group_by(Group) %>%
  mutate(tmp = which(Activity == 'EOSP' & !duplicated(Activity))) %>%
  filter(row_number() %in%  c(tmp, tmp+1)) 

# A tibble: 4 x 4
# Groups:   Group [2]
  Group Activity TimeLine   tmp
  <fct> <fct>       <dbl> <int>
1 A     EOSP            1     1
2 A     NOR             2     1
3 B     EOSP            2     2
4 B     NOR             4     2