R 第一次遇到特定字符串后的子集数据帧

我有一个以下格式的数据框，我想提取或子集该数据框，以便我在每个项目中只有第一个

融资

活动之前的活动：

 project<- c('A', 'A', 'A', 'B', 'B', 'B','B', 'C', 'C')
 activity<- c('kickoff','funding', 'delivery', 'kickoff','kickoff','funding','kickoff', 'kickoff','delivery')

 df<- data.frame(project,activity)

---

有什么建议吗？

您可以尝试

cumsum

来跟踪每个项目在资助之前或之后是否发生了一行：

library(dplyr)

df %>%
  group_by(project) %>%
  mutate(before.funding = cumsum(activity == "funding") == 0) %>%
  ungroup() %>%
  filter(before.funding) %>%
  select(-before.funding)

# A tibble: 5 x 2
  project activity
   <fctr>   <fctr>
1       A  kickoff
2       B  kickoff
3       B  kickoff
4       C  kickoff
5       C delivery

库（dplyr）
df%>%
分组单位（项目）%>%
突变（before.funding=cumsum（activity==“funding”）==0）%>%
解组（）%>%
筛选（资助前）%>%
选择（-before.financing）
#一个tibble:5x2
项目活动
1开球
2 B启动
3 B启动
4 C启动
5 C交货

dplyr

：

df %>%
    group_by(project) %>%
    dplyr::filter(cummin(activity != "funding") == 1)

收益率：

# project activity
# <fctr>   <fctr>
# 1       A  kickoff
# 2       B  kickoff
# 3       B  kickoff
# 4       C  kickoff
# 5       C delivery

# project activity
# A       kickoff 
# B       kickoff 
# B       kickoff 
# C       kickoff 
# C       delivery

收益率：

# project activity
# <fctr>   <fctr>
# 1       A  kickoff
# 2       B  kickoff
# 3       B  kickoff
# 4       C  kickoff
# 5       C delivery

# project activity
# A       kickoff 
# B       kickoff 
# B       kickoff 
# C       kickoff 
# C       delivery

---

我希望这会有所帮助。

为了完整起见，这里还有一个

数据。表
解决方案：

library(data.table)
setDT(df)[!df[, .I[.I >= first(.I[activity == 'funding'])], by = project]$V1]

解释
在每个
项目
组中，我们在
活动
列和所有后续行中查找第一次出现的
资金
的索引：

df[, .I[.I >= first(.I[activity == 'funding'])], by = project]

在
data.table
中，
.I
是一个特殊符号，用于保存
df
中的行位置。第二个子集
.I[.I>=first（.I[activity=='funding']）]
是必需的，因为
哪个（.I>=first（.I[activity=='funding']）
将只返回组内的行位置，而不返回
df
内的行位置

现在，我们已经确定了不应该显示的行。因此，我们通过排除这些行号得到最终结果：

df[!df[, .I[.I >= first(.I[activity == 'funding'])], by = project]$V1]


如果有可用的日期信息-我打赌在处理项目和活动时会有一个
日期
列-我们可以按照@Frank的建议，使用日期列进行反不平等联接：

# create sample date with date column
project<- c('A', 'A', 'A', 'B', 'B', 'B','B', 'C', 'C')
activity<- c('kickoff','funding', 'delivery', 'kickoff','kickoff','funding','kickoff', 'kickoff','delivery')
date <- (as.Date ("2017-10-02") + c(1,4,7,2,5,8,11,3,6))
df <- data.frame(project,activity, date, stringsAsFactors = FALSE)
df <- df[order(df$date), ]

使用
数据的一些其他替代方案。表
包：

1）使用
Reduce
：

library(data.table)
setDT(df)[df[, .I[!Reduce('+', activity == 'funding', accumulate = TRUE)], project]$V1]

library(data.table)
setDT(df)[df[, .I[!cummax(activity == 'funding')], project]$V1]

library(data.table)
setDT(df)[!df[, pmax(.I, .I[activity == 'funding']), by = project]$V1]

2）使用
cummax
：

library(data.table)
setDT(df)[df[, .I[!Reduce('+', activity == 'funding', accumulate = TRUE)], project]$V1]

library(data.table)
setDT(df)[df[, .I[!cummax(activity == 'funding')], project]$V1]

library(data.table)
setDT(df)[!df[, pmax(.I, .I[activity == 'funding']), by = project]$V1]

3）使用
pmax
：

library(data.table)
setDT(df)[df[, .I[!Reduce('+', activity == 'funding', accumulate = TRUE)], project]$V1]

library(data.table)
setDT(df)[df[, .I[!cummax(activity == 'funding')], project]$V1]

library(data.table)
setDT(df)[!df[, pmax(.I, .I[activity == 'funding']), by = project]$V1]