求助！！这样的数据，怎么删除我不需要的行？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

比如我有这也一个数据集：
id          time                              PaO2         
1     2016/02/03 14:23:00           78            
1     2016/02/03 15:24:00           89
1     2016/02/03 18:44:00           90
1     2016/02/04 08:23:00           77
1     2016/02/04 12:33:00           150
1     2016/02/05 09:12:00           108
1     2016/02/06 14:25:00           103
2     2016/03/12 13:26:00           100         
2     2016/03/12 15:35:00           99
2     2016/03/13 17:46:00           98
3     2016/03/03 16:23:00           109         
3     2016/03/03 19:55:00           95
3     2016/03/04 20:25:00           93
3     2016/03/04 14:23:00           87
3     2016/03/04 17:20:00           113
4     2016/02/08 14:23:00           106           
4     2016/02/08 15:24:00           80

...           ...                   ...           

其中，id为病人编号，time为记录时间，PaO2为病人血氧分压，每个id中的第一个PaO2值是病人入院的基础值，我想要筛选出这样的数据集：每个病人id按照时间顺序，一旦出现某个PaO2值是基础值（即第一个值）的2倍，则保留该数据之前的所有行，删除之后的所有行。这用R该怎么实现呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：time 数据集 Tim IME 筛选出

R我是不太清楚了，不过如果是stata，首先生成一个变量等于每一个id的第一次测量PaO2的2倍，然后比较大小，最后删除即可。

一旦出现某个PaO2值是基础值（即第一个值）的2倍

是严格的两倍，还是大于等于两倍？比如第一个值是50，你是要找100这个数，还是只要大于等于100就算满足条件了。

head(my_data, which(my_data$PaO2 >= my_data$PaO2[1] * 2)[1])

qoiqpwqr 发表于 2017-1-16 21:37
一旦出现某个PaO2值是基础值（即第一个值）的2倍

是严格的两倍，还是大于等于两倍？比如第一个值是50，你 ...

是大于等于（>=）。不好意思，是我表达不对。

cheetahfly 发表于 2017-1-16 22:36
head(my_data, which(my_data$PaO2 >= my_data$PaO2[1] * 2)[1])

这个是只能提出整个数据集的前面部分吧。我想要的是每个id的病人的前面部分

library(dplyr)
my_data %>%
    group_by(id) %>%
    mutate(judge = PaO2 > PaO2[1] * 2,
           # 第一行大于等于标准值两倍的行未保留
           cumjudge = cumsum(judge)) %>%
           # 如果要保留大于等于两倍标准值的第一行，则改为
           # cumjudge = lag(cumsum(judge), default = 0)) %>%
    filter(cumjudge == 0) %>%
    select(1:3)

1. f <- function(x) {
   
2.   id <- which(x >= 2 * x[1])[1]
   
3.   if (is.na(id)) id <- Inf
   
4.   id
   
5. }
   
6. 
   
7. data %>%
   
8. group_by(id) %>%
   
9. filter(row_number() <= f(PaO2))

复制代码