r累积百分比的子集，直到并包括一定值

Question

我试图将每个分组类别的一个百分比和一排。

当我通过以下内容过滤时：

df <- df %>% 
   group_by(yyyymm)
df[df$cumperc <= .50, ]

我得到：

ind yyyymm cumperc name
 1 202006   0.196 CHILD 
 2 202006   0.327 WOMAN 
 3 202006   0.401 MAN 
 4 202006   0.461 PET 
 5 202007   0.157 CHILD     
 6 202007   0.265 MAN
 7 202007   0.369 WOMAN
 8 202007   0.459 PET
 9 202007   0.494 FRIEND

我想要：

ind yyyymm cumperc name
 1 202006   0.196 CHILD 
 2 202006   0.327 WOMAN 
 3 202006   0.401 MAN 
 4 202006   0.461 PET 
 5 202006   0.504 FRIEND
 6 202007   0.157 CHILD     
 7 202007   0.265 MAN
 8 202007   0.369 WOMAN
 9 202007   0.459 PET
 10 202007  0.494 FRIEND
 11 202007  0.519 ENEMY

其中包括高达0.50的值和另外一行。

有什么建议如何系统地对所有组（在这种情况下Yyyymm列）进行此操作？

完整（示例）DF供参考：

ind yyyymm cumperc name
 1 202006   0.196 CHILD 
 2 202006   0.327 WOMAN 
 3 202006   0.401 MAN 
 4 202006   0.461 PET 
 5 202006   0.504 FRIEND
 6 202006   0.604 ENEMY
 7 202006   0.845 PLACE
 8 202006   1.000 ITEM
 9 202007   0.157 CHILD     
 10 202007   0.265 MAN
 11 202007   0.369 WOMAN
 12 202007   0.459 PET
 13 202007  0.494 FRIEND
 14 202007  0.519 ENEMY
 15 202007  0.766 ITEM
 16 202007  1.000 PLACE

Answer 1

您可以使用 lag

# Sample data
df <- data.frame(
    grp = rep(letters[1:3], each = 5), cumperc  = rep(seq(0, 1, length.out = 5), 3))

df %>%
    group_by(grp) %>%
    filter(lag(cumperc, default = 0) < 0.5) %>%
    ungroup()
## A tibble: 9 x 2
#  grp   cumperc
#  <chr>   <dbl>
#1 a        0   
#2 a        0.25
#3 a        0.5 
#4 b        0   
#5 b        0.25
#6 b        0.5 
#7 c        0   
#8 c        0.25
#9 c        0.5 

保留所有行，其中 cumperc＆lt; 0.5 加上另外一排。请注意，假设 cumperc 值是按组从最小到最大的组排序的。

Answer 2

这是一个潜在的dplyr解决方案：

library(dplyr)

df <- read.table(text = "ind yyyymm cumperc name
 1 202006   0.196 CHILD 
 2 202006   0.327 WOMAN 
 3 202006   0.401 MAN 
 4 202006   0.461 PET 
 5 202006   0.504 FRIEND
 6 202006   0.604 ENEMY
 7 202006   0.845 PLACE
 8 202006   1.000 ITEM
 9 202007   0.157 CHILD     
 10 202007   0.265 MAN
 11 202007   0.369 WOMAN
 12 202007   0.459 PET
 13 202007  0.494 FRIEND
 14 202007  0.519 ENEMY
 15 202007  0.766 ITEM
 16 202007  1.000 PLACE",
 header = TRUE)

df %>%
  group_by(yyyymm) %>%
  filter(lag(cumperc, default = first(cumperc)) <= .50)
#> # A tibble: 11 × 4
#> # Groups:   yyyymm [2]
#>      ind yyyymm cumperc name  
#>    <int>  <int>   <dbl> <chr> 
#>  1     1 202006   0.196 CHILD 
#>  2     2 202006   0.327 WOMAN 
#>  3     3 202006   0.401 MAN   
#>  4     4 202006   0.461 PET   
#>  5     5 202006   0.504 FRIEND
#>  6     9 202007   0.157 CHILD 
#>  7    10 202007   0.265 MAN   
#>  8    11 202007   0.369 WOMAN 
#>  9    12 202007   0.459 PET   
#> 10    13 202007   0.494 FRIEND
#> 11    14 202007   0.519 ENEMY

^由

那会适合您的用例吗？