R 分组方式，并在数据表中查找每组中第一个非零的索引

我在R中有一个数据表，看起来像：

   city year target
1:  NYC 2000      0
2:  NYC 2000      1
3:  NYC 2000      1
4:   LA 2000      0
5:   LA 2000      0
6:   LA 2000      1
7:   LA 2000      1

可通过以下方式创建：

data = data.table(city = c("NYC", "NYC", "NYC", "LA", "LA", "LA", "LA"),
                  year = c(2000, 2000, 2000, 2000, 2000, 2000, 2000),
                  target = c(0, 1, 1, 0, 0, 1, 1))

我想按

城市

和

年份

对它们进行分组，并在

目标

列中找到第一个非零元素的索引，以便我可以修改它，期望的结果应该如下所示：

   city year target
1:  NYC 2000      0
2:  NYC 2000    666
3:  NYC 2000      1
4:   LA 2000      0
5:   LA 2000      0
6:   LA 2000    666
7:   LA 2000      1

感谢您的帮助

以下操作不起作用：

cutoff_thresh <- function(x, cutoff) {x > cutoff}

helper <- data %>% 
          group_by(city, year) %>%
          mutate(thresh = detect_index(.x = target,
                 .f = cutoff_thresh,
                  cutoff = 0)
                 )

cutoff\u thresh cutoff}
助手%
组别（城市，年份）%>%
突变（阈值=检测指数（.x=目标，
.f=截止值\阈值，
截止值=0）
)

它产生给定年份中第一个非零元素出现的确切日期，

---

它从每年的第一天开始计算。因此，如果2000年有365天，而2001年的第2天我们是非零的，它返回

的
2
（纽约，2001）

，而不是

365+2

。毫不奇怪

由于数据集已经是一个

数据表

，因此使用

数据表

方法可能更有效。按“城市”、“年份”分组，获取第一个非零元素（“i1”）的行索引（

.I

），在

I

中使用该索引，并将（

：=

）的“目标”值分配给666

library(data.table)
i1 <- data[, .I[target != 0][1], .(city, year)]$V1
data[i1, target := 666][]
#    city year target
#1:  NYC 2000      0
#2:  NYC 2000    666
#3:  NYC 2000      1
#4:   LA 2000      0
#5:   LA 2000      0
#6:   LA 2000    666
#7:   LA 2000      1

或与

匹配

data %>% 
   group_by(city, year) %>%
   mutate(target = replace(target, match(1, target), 666))

注意：即使特定组的“目标”中没有1，所有解决方案都有效

e、 g

data$target[6:7]%
组别（城市，年份）%>%
突变（target=replace（target，其中（target！=0）[1]，666））
#一个tibble:7x3
#组别：城市，年份[2]
#城市年目标
#     
#1纽约市2000 0
#2纽约市2000 666
#3纽约市2000 1
#4洛杉矶2000 0
#5洛杉矶2000 0
#6洛杉矶2000 0
#7洛杉矶2000 0

使用

dplyr

您可以使用组中的

which.max

找到第一个非零元素的索引，并将其替换为666

library(dplyr)

data %>%
  group_by(city, year) %>%
  mutate(target = replace(target, which.max(target != 0), 666))


#  city   year target
#  <chr> <dbl>  <dbl>
#1 NYC    2000      0
#2 NYC    2000    666
#3 NYC    2000      1
#4 LA     2000      0
#5 LA     2000      0
#6 LA     2000    666
#7 LA     2000      1

---

使用data.table，使用mult=参数连接，仅编辑符合连接条件的第一行（如果有）

---

很好的技巧，使用

which.max

查找第一个非零元素。另一种

data.table

方法使用

replace

类似于您的第一种方法：

data[，target:=replace（target，cumsum（target！=0）=1L，666L），by=（city，year）]

data$target[6:7] <- 0
data %>%
    group_by(city, year) %>% 
    mutate(target = replace(target, which(target != 0)[1], 666))
# A tibble: 7 x 3
# Groups:   city, year [2]
#  city   year target
#  <chr> <dbl>  <dbl>
#1 NYC    2000      0
#2 NYC    2000    666
#3 NYC    2000      1
#4 LA     2000      0
#5 LA     2000      0
#6 LA     2000      0
#7 LA     2000      0

library(dplyr)

data %>%
  group_by(city, year) %>%
  mutate(target = replace(target, which.max(target != 0), 666))


#  city   year target
#  <chr> <dbl>  <dbl>
#1 NYC    2000      0
#2 NYC    2000    666
#3 NYC    2000      1
#4 LA     2000      0
#5 LA     2000      0
#6 LA     2000    666
#7 LA     2000      1

data %>%
  group_by(city, year) %>%
  mutate(target = ifelse(row_number() == which.max(target != 0), 666, target))

> data[.(unique(city), 1), on=.(city, target), mult="first", target := 999]
> data
   city year target
1:  NYC 2000      0
2:  NYC 2000    999
3:  NYC 2000      1
4:   LA 2000      0
5:   LA 2000      0
6:   LA 2000    999
7:   LA 2000      1