Question

我有一个如下所示的数据框

test_df <- data.frame("SN" = c("ABC123","ABC123","ABC123","MNO098","MNO098","MNO098"), 
                      "code" = c("ABC1111","DEF222","GHI133","","MNO1123","MNO567"), 
                      "d_time" = c("2220-08-27","2220-05-27","2220-02-27","2220-11-27","2220-02-27",""))

我正在尝试做两件事

1）通过从列p_id和v_id中剥离字母来创建2个新列（SN，code），并且仅保留9位数字

2）根据p_vid为每个根据其v_id排序的人创建一个滞后列（d_time）

t_df <- test_df %>% group_by(SN)
t_df %>% arrange((d_time), .by_group = TRUE) ->> sorted_df #sorted based on d_time
transform_ids = function(DF){  # this function is to create person and visit_occurrence ids
  DF %>% 
    mutate(p_id = as.integer(str_remove_all(.$SN,"[a-z]|[A-Z]") %>%   #retaining only the numeric part
                                    str_sub(1,9))) %>%
    mutate(v_id = as.integer(str_remove_all(.$code,"[a-z]|[A-Z]") %>% 
                                              str_sub(1,9))) %>%
    group_by(p_id) %>%
    mutate(pre_vid = lag(v_id)) %>%
    ungroup
}
transform_ids(sorted_df)

但是当我这样做时，我遇到以下错误

视图错误：列p_id的长度必须为3（组大小）或一个而不是6 错误：列p_id的长度必须为3（组大小）或一个而不是6 另外：警告消息：在视图中（transform_ids（t_df））：显示回溯用调试重新运行错误：列p_id的长度必须为3（组大小）或1，而不是6

我希望我的输出如下所示。基本上，我试图将一个人的每个v_id与他先前的访问p_vid

相关联

Answer 1

要生成p_id和v_id列，只需使用sub：

t_df$p_id <- gsub("[A-Z]+", "", t_df$SN)
t_df$v_id <- gsub("[A-Z]+", "", t_df$code)

对于p_vid列，请使用lag()包中的dplyr：

t_df %>%
group_by(p_id) %>%
mutate(p_vid = lag(v_id, order_by=d_time, default=0))

以上内容的输出实际上给了你一点点。如果您想要一个数据框，只需使用：

t_df <- as.data.frame(t_df)

输出：

  SN     code    d_time     p_id  v_id  p_vid
  <fct>  <fct>   <fct>      <chr> <chr> <chr>
1 ABC123 ABC1111 2220-08-27 123   1111  222  
2 ABC123 DEF222  2220-05-27 123   222   133  
3 ABC123 GHI133  2220-02-27 123   133   0    
4 MNO098 ""      2220-11-27 098   ""    1123 
5 MNO098 MNO1123 2220-02-27 098   1123  567  
6 MNO098 MNO567  ""         098   567   0

如何在R中分组和取消分组？

1 个答案: