使用帶有兩個不同列 R 的滯后 function

Question

我有這樣的數據。

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    
")

我正在嘗試使用滯后 function 來比較兩個單獨列中標志的出現。 我想看看一個人如何按順序從一個問題到下一個問題。 具體來說，如果問題.id.problem.1 （用戶540995 ）的cwa_prob為1 ，那么problem.id.problem.1 problem.id.problem.2 （用戶540995 ）中的first.correct==1是不是這種情況。

我嘗試了這樣的事情，但它給了我一個錯誤。

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 看起來像這樣：

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
")

也許滯后 function 不是最好的 function ？ 任何幫助表示贊賞！

Answer 1

根據您的描述，我認為這就是您想要的：

library(dplyr)

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

當當前行first.correct = 1並且前一行具有cwa_prob = 1 。

請注意，您不需要ifelse(condition, 1, 0)因為您可以通過將TRUE / FALSE值轉換為 integer 將它們轉換為 1/0。 同樣在您的嘗試中，您有lag(first.correct==1)與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 實際上並不符合您的標准……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，您將數據集列為“data.input”，但您使用的數據集列為“input.data”。

Answer 3

查看lag文檔。 有一個order_by參數確定記錄的排序順序。

除非您發送此參數，否則 R 將使用數據集的現有/默認順序。 所以不同的排序會產生不同的答案。 這可能是您的代碼無法運行的原因，但@James 發現代碼運行良好。

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

請注意，由於prob_seq的格式很可能是字符，因此order_by子句將按字母順序排序。 這意味着'problem.10'將出現在'problem.2'之前。 因此，如果您的數據中出現這種情況，您需要提取問題編號並將其轉換為數字。