使用dplyr查找具有指定条件的行*和*一组相关行

在人口规模随时间变化的数据框架上使用

dplyr

，我想确定子人口首次超过零的时间点集，以及相应的前一时间点集（即子人口超过零之前的最近时间）。我可以找到第一组时间点，如下所示：

df <- data.frame(time = rep(1:4, each = 3), 
  id = rep(letters[1:3], times = 4), 
  population = c(1, 0, 0, 2, 1, 0, 0, 2, 1, 0, 0, 0))

first_gens <- group_by_(df, ~id) %>%
  filter_(~population > 0) %>%
  summarise_(start_time = ~min(time)) %>%
  ungroup()

df 0）%>%
总结（开始时间=~min（时间））%>%
解组（）

在该示例中，子种群a、b和c的第一时间点分别为1、2和3

我搞不懂的是找到以前时间点的简单方法。在本例中，子种群a、b和c的先前时间点应分别为NA、1和2（处理NA案例并不重要，因为我可以过滤掉此类案例）

编辑：我想要一个适用于任意时间点序列的解决方案

任何帮助都将不胜感激

---

（注意：我正在使用“u”形式的

dplyr

函数来满足CRAN包的要求。）

您可以使用

lag

df %>%
  group_by(id) %>%
  summarize(min(time[population > 0]), 
            lag(time)[min(which(population > 0))])

> df %>%
+   group_by(id) %>%
+   summarize(min(time[population > 0]), 
+             lag(time)[min(which(population > 0))])
# A tibble: 3 x 3
  id    `min(time[which(population > 0)])` `lag(time)[min(which(population > 0))]`
  <fct>                              <int>                                   <int>
1 a                                      1                                      NA
2 b                                      2                                       1
3 c  

df%>%
分组依据（id）%>%
汇总（分钟（时间[总体>0]），
滞后（时间）[min（其中（总体>0））]
>df%>%
+分组依据（id）%>%
+汇总（分钟（时间[总体>0]），
+滞后（时间）[min（其中（总体>0））]
#一个tibble:3x3
id`min（时间[哪个（总体>0）]）`lag（时间）[min（哪个（总体>0））]`
1 a 1 NA
2B21
3 c

我不确定我是否理解这个问题。在您的代码中尝试min（time）-1，该代码在这个特定示例中有效，但在一般情况下无效。我应该澄清一下，我希望该方法适用于任意时间点，就像@julien-navarre.Fantastic发布的解决方案一样！这正是我一直努力要做的。简洁明了。事实上，@julien navarre发布的解决方案不适用于一般时间点。例如，在上面的示例中，如果我将

time=rep（1:4，each=3）

更改为

time=rep（0:3，each=3）

，它将失败。