删除某列中某个值序列后的行

Question

a <- c("A","A","A","B","B","B","C","C","C","C","D","D","D","D","D")
b <- c("x","y","z","x","x","z","y","z","z","z","y","z","z","z","x")
df = data.frame(a,b)


    a   b
1   A   x
2   A   y
3   A   z
4   B   x
5   B   x
6   B   z
7   C   y
8   C   z
9   C   z
10  C   z
11  D   y
12  D   z
13  D   z
14  D   z
15  D   x

对于每个组A、B、C、D，每次组合y、z出现在组末尾时，我都想删除b列中的值z。

如果我们有 a==“C”的情况，其中 b 值是 y，z，z，z，z，我想删除所有 z。但是，在 a==“D” 中，由于 x 是最后一个值，因此无需更改任何内容。

结果如下所示：

    a   b
1   A   x
2   A   y
4   B   x
5   B   x
6   B   z
7   C   y
11  D   y
12  D   z
13  D   z
14  D   z
15  D   x

通过在< code>dplyr中进行分组，我可以确定每个值在A中最后出现的位置，因此< code>a=="A"中描述的基本情况不成问题。对于< code>a=="C"的情况，我很难找到解决方案，在这种情况下，y出现一次，z出现20次。

Answer 1

这是一个基本的解决方案：

do.call("rbind", by(df, df$a, FUN = function(x) {
    if(x$b[length(x$b)] == "z") {
        y <- which(x$b == "y")
        if(!length(y)) {
            return(x)
        }
        z <- which(x$b == "z")
        if(!length(z)) {
            return(x)
        }
        # check if y isn't immediately before z
        if(max(y) - min(z) > 1) {
            return(x)
        } else {
            return(x[-z,])
        }
    } else {
        return(x)
    }
}))

结果是：

     a b
A.1  A x
A.2  A y
B.4  B x
B.5  B x
B.6  B z
C    C y
D.11 D y
D.12 D z
D.13 D z
D.14 D z
D.15 D x

Answer 2

这里有一个可能的< code>data.table解决方案。基本上，我正在创建一个同时满足3个条件的逻辑索引:作为一个< code>z，第一个< code>z在< code>y之后，最后一个值是< code>z，然后我就对它求值。

library(data.table)
setDT(df)[, indx := b == "z" & 
            max(which(b == "z")) == .N &
            ifelse(min(which(b == "z")) == 1L, 
                   TRUE, 
                   b[min(which(b == "z")) - 1L] == "y"),
            by = a][!(indx)]
#     a b  indx
#  1: A x FALSE
#  2: A y FALSE
#  3: B x FALSE
#  4: B x FALSE
#  5: B z FALSE
#  6: C y FALSE
#  7: D y FALSE
#  8: D z FALSE
#  9: D z FALSE
# 10: D z FALSE
# 11: D x FALSE

Answer 3

您可以使用by和cumminbaseR：

df[unlist(by(df$b, interaction(df$a), FUN = function(x) {
  tmp <- rev(cummin(rev(x == "z")))
  if (tail(x[!tmp], 1) == "y") !tmp else rep(TRUE, length(x))
})), ]

结果：

   a b
1  A x
2  A y
4  B x
5  B x
6  B z
7  C y
11 D y
12 D z
13 D z
14 D z
15 D x