测量R中的保留

Question

我有一个数据集，其中包含以下格式注册课后计划的学生信息：

student_id  year group number
1   2009-10 1
2   2009-10 1
3   2009-10 2
4   2009-10 3
5   2009-10 3
1   2010-11 1
2   2010-11 2
3   2010-11 3
4   2010-11 2
5   2010-11 2

我想每年衡量每个群体的保留率。我需要编写某种循环语句，它将回顾前一年，为每个组计算类似ID的值，并返回一个值除以该组中的总数。我已经勾勒出代码（可能效率低下/缺少一些步骤），如下所示？

for (i in levels(data$year)){
  if (i=="2009-10"){
    #no previous year to look for
    next
  }else{
    for(g in levels(data$group)){

    ##perhaps a plyr summarize function?

    #look for id in previous year for that group
    #compute count of identical ids
    #return value/length(group)
    }
  }

修改的 在阅读了一些建议后，或许使用ddply（transform）函数会更简单。有没有办法在年份和组号之间建立关联关系？代码看起来像这样：

tracking=ddply(data,"student_id", transform, enroll.year1=1, enroll.year2=ifelse(criteria goes here,1,0), enroll.year3=ifelse(criteria goes here,1,0)

某些示例输出可能如下所示：

Year    Group   retention rate

2010-11 1   0.88
2011-12 1   0.8

2010-11 2   0.5
2011-12 2   0.6

2010-11 3   0.5
2011-12 3   0.5

以前有人解决了类似的保留问题吗？我很难概念化这些步骤，更不用说在R中实现任何帮助都将非常感激。     *

Answer 1

我能想到的一个解决方案是自我加入一年的转变。我将使用data.table来简化加入和所需的分组。为方便起见，我还将更改一些名称和年份格式。我已将您的数据保存在名为data.frame的{​​{1}}中：

dd

最后一位根据您的定义计算保留率：去年仍为names(dd) <- c('id', 'year', 'group') dd$year <- as.integer(substr(dd$year, 1, 4)) dd.prev <- dd dd.prev$year <- dd.prev$year + 1 ## shifting year upwards so it matches the next year require(data.table) dd <- data.table(dd) setkey(dd, group, year) dd.prev <- data.table(dd.prev) setkey(dd.prev, group, year) setnames(dd.prev, 'id', 'id.prev') ## changing variable name so it is distinct extra.year <- max(dd$year) + 1 ## the shift generates an extra year dd.prev <- dd.prev[!year==extra.year] ## drop extra year as retention not defined dd <- dd[dd.prev] ## join data from previous year to current data dd.all[, retention:=as.numeric(length(intersect(id, id.prev)) /length(unique(id.prev))), by=list(year, id)] 的学生人数除以去年的学生总数intersect(id, id.prev)。有了这些数据，它只会产生2010年的保留期，但如果使用更长的系列，除了第一次以外，它会产生所有年份。

更新1：使用unique(id.prev)

plyr

我希望有所帮助。