使用带有两个不同列 R 的滞后 function

Question

我有这样的数据。

data.input <-read_table2("user.id   problem.id  first.correct   cwa_prob    prob.seq    
540995  PRABNBZQ    0   1   problem.id.problem.1    
540995  PRABNBZ2    1   0   problem.id.problem.2    
540995  PRABNBZK    0   1   problem.id.problem.3    
540995  PRABNB2B    0   1   problem.id.problem.4    
540995  PRABNBWE    0   1   problem.id.problem.5    
565662  PRABNB2B    1   0   problem.id.problem.1    
565662  PRABNBZQ    1   1   problem.id.problem.2    
565662  PRABNBZ9    1   0   problem.id.problem.3    
565662  PRABNBZV    1   0   problem.id.problem.4    
565662  PRABNBWG    1   0   problem.id.problem.5    
")

我正在尝试使用滞后 function 来比较两个单独列中标志的出现。 我想看看一个人如何按顺序从一个问题到下一个问题。 具体来说，如果问题.id.problem.1 （用户540995 ）的cwa_prob为1 ，那么problem.id.problem.1 problem.id.problem.2 （用户540995 ）中的first.correct==1是不是这种情况。

我尝试了这样的事情，但它给了我一个错误。

input.data %>% 
  group_by(user.id) %>% 
  mutate(post.cwa.correct=ifelse(cwa_prob==1 & lag(first.correct==1),1,0)) 

我希望我的 output 看起来像这样：

data.output <-read_table2("user.id  problem.id  first.correct   cwa_prob    prob.seq    post.cwa.correct
540995  PRABNBZQ    0   1   problem.id.problem.1    NA
540995  PRABNBZ2    1   0   problem.id.problem.2    1
540995  PRABNBZK    0   1   problem.id.problem.3    NA
540995  PRABNB2B    0   1   problem.id.problem.4    0
540995  PRABNBWE    0   1   problem.id.problem.5    0
565662  PRABNB2B    1   0   problem.id.problem.1    1
565662  PRABNBZQ    1   1   problem.id.problem.2    NA
565662  PRABNBZ9    1   0   problem.id.problem.3    1
565662  PRABNBZV    1   0   problem.id.problem.4    NA
565662  PRABNBWG    1   0   problem.id.problem.5    NA
")

也许滞后 function 不是最好的 function ？ 任何帮助表示赞赏！

Answer 1

根据您的描述，我认为这就是您想要的：

library(dplyr)

data.input %>%
  group_by(user.id) %>%
  mutate(post.cwa.correct = as.integer(first.correct == 1 & lag(cwa_prob) == 1))

当当前行first.correct = 1并且前一行具有cwa_prob = 1 。

请注意，您不需要ifelse(condition, 1, 0)因为您可以通过将TRUE / FALSE值转换为 integer 将它们转换为 1/0。 同样在您的尝试中，您有lag(first.correct==1)与lag(first.correct) ==1不同。

Answer 2

我跑了一切，它工作得很好。 但是，您列出的想要的 output 实际上并不符合您的标准……您想要

data.input %>% 
  group_by(user.id) %>% 
  mutate(post.cwa.correct=ifelse(cwa_prob==0, NA, ifelse(
    cwa_prob==1 & lead(first.correct==1),1,0)
  )) 

但是，您将数据集列为“data.input”，但您使用的数据集列为“input.data”。

Answer 3

查看lag文档。 有一个order_by参数确定记录的排序顺序。

除非您发送此参数，否则 R 将使用数据集的现有/默认顺序。 所以不同的排序会产生不同的答案。 这可能是您的代码无法运行的原因，但@James 发现代码运行良好。

input.data %>% 
  group_by(user.id) %>% 
  mutate(post.cwa.correct=ifelse(cwa_prob==1 & lag(first.correct==1, order_by = "prob.seq"),1,0)) 

请注意，由于prob_seq的格式很可能是字符，因此order_by子句将按字母顺序排序。 这意味着'problem.10'将出现在'problem.2'之前。 因此，如果您的数据中出现这种情况，您需要提取问题编号并将其转换为数字。