在R中的grepl之后过滤数据集？ [英] Filtering a dataset after grepl in R?

问题描述

我有以下数据集：

  USERNAME API_TRACK_EVENT TIME 
 userA浏览图片1454941960 
 userA订单/ payment 1454941972 
 userA订单/更改地址1454941976 
用户B已浏览图片1454941983 
用户B订单/客人姓名1454941986 
用户B订单/更改地址1454941992 
  

我只想采取较早的订单，这意味着userA的订单/付款和userB的订单/客户端 p>

说完，所有其他非秩序事件应该保持不变。

所以，输出数据集是：

  USERNAME API_TRACK_EVENT TIME 
 userA已浏览图片1454941960 
 userA订单/付款1454941972 
 userB浏览图片1454941983 
 userB订单/ guestlogin 1454941986 
  

那么，我该怎么做？ [打开使用dplyr。]

解决方案

这是一个基本R的选项：

0）根据USERNAME和TIME命令数据：

  df < -  df [order（df $ USERNAME，df $ TIME），] 
  

a）检查行是否包含订单信息：

  idx<  -  grepl（Order，df $ API_TRACK_EVENT，ignore.case = TRUE）
  

b）按USERNAME分组的子集

 子集（df，ave（idx，USERNAME，FUN = cumsum）< = 1L |！idx）
 
＃USERNAME API_TRACK_EVENT TIME 
＃1 userA已阅读1454941960 
＃ userA订单/付款1454941972 
＃4 userB已查看_p_p1454941983 
＃5 userB订单/ guestlogin 1454941986 
  

这个子集只有第一个订单行和任何其他行（没有订单信息）。

I have the following dataset:

USERNAME API_TRACK_EVENT         TIME
userA    Viewed pic              1454941960
userA    Order/payment           1454941972
userA    Order/Changed Address   1454941976
userB    Viewed pic              1454941983
userB    Order/guestlogin        1454941986
userB    Order/Changed Address   1454941992

I want to take only the earlier "Order", which means "Order/payment" for userA and "Order/guestlogin" for userB.

Having said that, all the other non-order events should remain the same.

So, the output dataset would be:

USERNAME API_TRACK_EVENT         TIME
userA    Viewed pic              1454941960
userA    Order/payment           1454941972
userB    Viewed pic              1454941983
userB    Order/guestlogin        1454941986

So, how should I do this? [Open to use dplyr too.]

解决方案

Here's an option with base R:

0) order the data according to USERNAME and TIME:

df <- df[order(df$USERNAME, df$TIME),]

a) Check whether rows contain order-information:

idx <- grepl("Order", df$API_TRACK_EVENT, ignore.case = TRUE)

b) Subset by group of USERNAME

subset(df, ave(idx, USERNAME, FUN = cumsum) <= 1L | !idx)

#  USERNAME  API_TRACK_EVENT       TIME
#1    userA       Viewed_pic 1454941960
#2    userA    Order/payment 1454941972
#4    userB       Viewed_pic 1454941983
#5    userB Order/guestlogin 1454941986

This subsets only the first order-row and any other rows (without order info).

这篇关于在R中的grepl之后过滤数据集？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！