Filter innerhalb von Gruppen, wobei x ersten y

Question

überschreitet habe ich eine Datenbank, bestehend aus

• Nachbarschaft IDs für die Heimatstadtteile (id_h),
• Block-IDs für die Heimblocks (blk_h,
• eine Unter Geographie von Nachbarschaften),
• Arbeitsblöcke (blk_w),
• die Strömung der Pendler zwischen den beiden (Flow),
• der mittlere Pendler pro Wohnviertel (Med_C) und
• der kumulative Arbeiterfluss von zu Hause Nachbarschaft (CumFlow).

Die Daten werden durch den Abstand zwischen blk_h und blk_w (absteigend) sortiert, gruppiert nach id_h. Ich muss die Daten aufteilen, um den Fall für jede Wohngegend zu extrahieren, in der CumFlow FIRST gleich oder größer ist als Med_C.

Ich habe eine Vielzahl von dplyr-Funktionen ausprobiert und kann es nicht funktionieren. Hier ein Beispiel:

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 

Ich brauche dafür eine Tabelle wie folgt zurück:

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 

Und hier sind einige der Dinge, die ich habe versucht, dies zu verwirklichen: Versuch # 1

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

Versuch # 2

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

Versuch # 3

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

Ich glaube, ich bin Missverständnis, wie die which.min Funktion verwenden. Jeder Rat wird sehr geschätzt.

Answer 1

Zwei filter Anrufe diese lösen können.

group_by Verwenden innerhalb jedes id_h zu arbeiten, wobei die erste filter gibt eine data.frame mit allen Zeilen, in denen die CumFlow größer oder gleich dem Med_C. Die zweite filter gibt innerhalb jeder id_h die Zeile mit der niedrigsten CumFlow zurück. Dies funktioniert nur, weil die Daten sortiert sind. Um die Arbeit robuster zu gestalten, sollten Sie in Erwägung ziehen, nach dem Anruf zu arrange einen Anruf zu group_by hinzuzufügen.

library(dplyr) 

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 

df %>% 
group_by(id_h) %>% 
filter(CumFlow >= Med_C) %>% 
filter(CumFlow == min(CumFlow)) 

Answer 2

Sie können es mit dplyr gefällt das

df %>% group_by(id_h) %>% 
    mutate(times_greater = cumsum(CumFlow >= Med_C)) %>% 
    filter(times_greater == 1) 

Answer 3

Zwei Dinge:

• Sie benötigen slice statt filter (die einen Index nimmt) (die booleans nimmt) und
• da die Verwendung von which.min ungerade ist (es gibt den Index der erste Wert entspricht dem Minimum, und Sie haben eine Menge von 1s und 0s), benötigen Sie tatsächlich which.max, wie Sie den ersten Wert von 1 möchten, dh TRUE,

so

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 

Answer 4

A data.table Lösung würde wie folgt aussehen:

# Load package 
library(data.table) 

# Setup data 
df <- data.table(
    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)) 

# Calculation 
df.out <- df[CumFlow >= Med_C, .SD[1], by = id_h] 

df.out sieht wie folgt aus:

> df.out 
    id_h blk_h blk_w dist Flow CumFlow Med_C 
1: A A2 W3 7.0 3  12 10 
2: B B2 W2 6.5 4  9  6