R: Как я могу сгруппировать строки в кадре данных, идентифицировать строки, соответствующие условию, а затем удалить предыдущие строки для группы? - PullRequest
Новая
       37

R: Как я могу сгруппировать строки в кадре данных, идентифицировать строки, соответствующие условию, а затем удалить предыдущие строки для группы?

0 голосов
/ 17 ноября 2018

У меня есть данные о клиентах (идентифицированные по идентификационному номеру), количество единиц двух продуктов, которые они купили за каждый из четырех лет, и последний столбец, в котором указывается год, в который новые клиенты впервые приобрели (столбец «ключ») ). Проблема: датафрейм содержит строки за годы, предшествовавшие новым покупкам в первый раз. Мне нужно удалить эти строки. Например, этот фрейм данных: 

   customer year item.A item.B  key
1         1 2000     NA     NA         <NA>
2         1 2001     NA     NA         <NA>
3         1 2002      1      5 new.customer
4         1 2003      2      6         <NA>
5         2 2000     NA     NA         <NA>
6         2 2001     NA     NA         <NA>
7         2 2002     NA     NA         <NA>
8         2 2003      2      7 new.customer
9         3 2000      2      4         <NA>
10        3 2001      6      4         <NA>
11        3 2002      2      5         <NA>
12        3 2003      1      8         <NA>

должно выглядеть так: 

  customer year item.A item.B key
1        1 2002      1      5 new.customer
2        1 2003      2      6         <NA>
3        2 2003      2      7 new.customer
4        3 2000      2      4         <NA>
5        3 2001      6      4         <NA>
6        3 2002      2      5         <NA>
7        3 2003      1      8         <NA>

Я думал, что смогу сделать это, используя dplyr / tidyr - комбинацию группы, опережения / отставания и среза (или, возможно, фильтра и drop_na), но я не могу понять, как удалить назад в группе клиентов, как только я ' мы определили строки, удовлетворяющие условию «ключ» == «новый.customer». Спасибо за любые предложения (код для полного кадра данных ниже). 

a<-c(1,1,1,1,2,2,2,2,3,3,3,3)
b<-c(2000,2001,2002,2003,2000,2001,2002,2003,2000,2001,2002,2003)
c<-c(NA,NA,1,2,NA,NA,NA,2,2,6,2,1)
d<-c(NA,NA,5,6,NA,NA,NA,7,4,4,5,8)
e<-c(NA,NA,"new",NA,NA,NA,NA,"new",NA,NA,NA,NA) 
df <- data.frame("customer" =a, "year" = b, "C" = c, "D" = d,"key"=e)
df

1 Ответ

0 голосов
/ 17 ноября 2018

В качестве первого шага я отмечаю существующих клиентов (в данном случае - клиента 3) в ключевом столбце - 

df %>% 
  group_by(customer) %>% 
  mutate(
    key = as.character(key), # can be avoided if key is a character to begin with
    key = ifelse(row_number() == 1 & (!is.na(C) | !is.na(D)), "existing", key)
  ) %>% 
  filter(cumsum(!is.na(key)) > 0) %>% 
  ungroup()

# A tibble: 7 x 5
  customer  year     C     D key     
     <dbl> <dbl> <dbl> <dbl> <chr>   
1        1  2002     1     5 new     
2        1  2003     2     6 NA      
3        2  2003     2     7 new     
4        3  2000     2     4 existing
5        3  2001     6     4 NA      
6        3  2002     2     5 NA      
7        3  2003     1     8 NA
...