r - 在 x 首先超过 y 的组中过滤

Question

我有一个由

组成的数据库

• 家庭社区的社区 ID (id_h)，
• 主区 block 的区 block ID (blk_h,
• 社区的子地理)，
• 工作 block (blk_w)，
• 两者之间的通勤人流(Flow)，
• 每个家庭社区的通勤者中位数 (Med_C)，以及
• 家庭社区的累积 worker 流量 (CumFlow)。

数据按blk_h和blk_w之间的距离排序(降序)，按id_h分组。我需要对数据进行子集化，以提取 CumFlow FIRST 等于或超过 Med_C 的每个家庭社区的案例。

我尝试了各种 dplyr 功能，但无法使其正常工作。这是一个例子:

df <- data.frame(
  id_h=c("A","A","A","A","B","B","B"),
  blk_h=c("A1","A1","A2","A2","B1","B2","B2"),
  blk_w=c("W1","W2","W3","W3","W1","W2","W2"),
  dist=c(4.3,5.6,7.0,8.7,5.2,6.5,6.8),
  Flow=c(3,6,3,7,5,4,2),
  CumFlow=c(3,9,12,19,5,9,11),
  Med_C=c(10,10,10,10,6,6,6)
)
df

我需要这样返回一个表格:

id_h  blk_h  blk_w  dist  Flow  CumFlow  Med_C
A     A2     W3     7.0   3     12       10
B     B2     W2     6.5   4     9        6

以下是我为实现这一目标所做的一些尝试: 尝试#1

library(dplyr)
df.g <- group_by(df, id_h) 
df.g2 <- filter(df.g, CumFlow == which.min(CumFlow >= Med_C))

尝试 #2

library(data.table)
setDT(df)[, .SD[which.min(CumCount >= Med_C)], by = id_h]

尝试 #3

library(dplyr)
test <- df %>% group_by(id_h) %>% filter(min(CumFlow) >= Med_C)

我想我误解了如何使用 which.min 函数。任何意见是极大的赞赏。

Answer 1

两件事:

• 你需要 slice(它需要一个索引)而不是 filter(它需要 bool 值)，并且
• 由于 which.min 的用法是奇数(它返回等于最小值的第一个值的索引，并且您有很多 1 和 0)，因此您实际上需要 which.max，因为你想要1的第一个值，即TRUE，

所以

df %>% group_by(id_h) %>% 
  slice(which.max(CumFlow >= Med_C))
## Source: local data frame [2 x 7]
## Groups: id_h [2]
## 
##     id_h  blk_h  blk_w  dist  Flow CumFlow Med_C
##   <fctr> <fctr> <fctr> <dbl> <dbl>   <dbl> <dbl>
## 1      A     A2     W3   7.0     3      12    10
## 2      B     B2     W2   6.5     4       9     6