[英]In R, is there a way to get the time difference between two times in two different columns using lag, but ignoring all null values?
[英]Using the lag function with two different columns R
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!
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。
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”。
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.