Question

我试图用dplyr解决下面的问题并设法取得一些进展，但我在某些方面面临的问题很少。

问题陈述

在每个组中（按ID分组），如果相同ID的当前HID和先前HID不同并且Interval＆lt; 30，然后Penalty列应显示Amount的值。在所有其他条件下，它应该显示0（其他条件可能意味着HID相同，或者HID不同但Interval＆gt; = 30）

数据

"ID","DaysToEvent","HID","Interval","Amount"
2197560,16369,"011",29,90105
2197560,16494,"121",29,50526
2197560,16509,"121",29,194568
2197560,16569,"001",31,27236
2197560,16577,"128",29,17309
2197578,14447,"001",29,17276
2197578,14468,"021",29,12661
2197578,14489,"001",31,15015
2197578,14517,"001",29,19000
2197578,14517,"02P",29,19001
2197578,14517,"001",31,19002
2197578,14517,"001",29,19003
2197578,14517,"001",29,19004

我的代码

mycoredata2009 = read.csv('path/to/abovefile.csv')
CumulativeCumulativeCost = 0;
mycoredata2009 = mycoredata2009 %>% 
    group_by(ID) %>% 
    mutate(Penalty = ifelse( ((HID != lag(HID)) & Interval < 30) ,Amount,0)) %>% 
    mutate(CumulativeCost=cumsum(as.numeric(Penalty))) %>%
    CumulativeCumulativeCost = cumsum(as.numeric(CumulativeCost)) %>%
    cat(paste("For group with ID==",ID,"CumulativeCost==", CumulativeCost,sep=""))
    mycoredata2009 = as.data.frame(mycoredata2009)

我目前面临的问题

但是，代码存在一些问题

即使当前的HID，Penalty列也会显示Amount的值和以前的HID是一样的。（对其他两个正常工作条件）
CumulativeCost列应该是运行成本 Penalty列始终显示NA
在每组结束时，我想打印CumulativeCost 分组并继续插入ID和CumulativeCost 分组到最终输出数据框
我还想要一个名为CumulativeCumulativeCost的变量其中，顾名思义就是CumulativeCost的运行总和每个小组。

收到输出

   ID DaysToEvent HID Interval Amount Penalty CumulativeCost
1    2197560       16369      011                29  90105      NA             NA
2    2197560       16494      121                29  50526   50526             NA
3    2197560       16509      121                29 194568  194568             NA
4    2197560       16569      001                31  27236       0             NA
5    2197560       16577      128                29  17309   17309             NA
6    2197578       14447      001                29  17276      NA             NA
7    2197578       14468      021                29  12661   12661             NA
8    2197578       14489      001                31  15015       0             NA
9    2197578       14517      001                29  19000   19000             NA
10   2197578       14517      02P                29  19001   19001             NA
11   2197578       14517      001                31  19002       0             NA
12   2197578       14517      001                29  19003   19003             NA
13   2197578       14517      001                29  19004   19004             NA

预期输出（手动计算）

   ID DaysToEvent HID Interval Amount Penalty CumulativeCost
1    2197560       16369      011                29  90105      NA             NA
2    2197560       16494      121                29  50526   50526          50526
3    2197560       16509      121                29 194568       0          50526
4    2197560       16569      001                31  27236       0          50526
5    2197560       16577      128                29  17309   17309          67835
6    2197578       14447      001                29  17276      NA             NA
7    2197578       14468      021                29  12661   12661          12661
8    2197578       14489      001                31  15015       0          12661
9    2197578       14517      001                29  19000       0          12661
10   2197578       14517      02P                29  19001   19001          31662
11   2197578       14517      001                31  19002       0          31662
12   2197578       14517      001                29  19003       0          31662
13   2197578       14517      001                29  19004       0          31662

Answer 1

根据预期输出，在我们使用逻辑条件（HID!=lag(HID,...)）创建“惩罚”列后，将每个组的“惩罚”列中的第一个观察值更改为“NA”，获取{其他行的{1}}，并将cumsum附加到其中（NA）以创建“CumulativeCost”

c(NA, cumsum(...)

或者我们可以移除library(dplyr) mycoredata2009%>% group_by(ID) %>% mutate(Penalty= ifelse(HID!=lag(HID, default=0) & Interval<30, Amount, 0), Penalty=ifelse(row_number()==1L, NA, Penalty), CumulativeCost=c(NA, cumsum(Penalty[-1L]))) # ID DaysToEvent HID Interval Amount Penalty CumulativeCost #1 2197560 16369 011 29 90105 NA NA #2 2197560 16494 121 29 50526 50526 50526 #3 2197560 16509 121 29 194568 0 50526 #4 2197560 16569 001 31 27236 0 50526 #5 2197560 16577 128 29 17309 17309 67835 #6 2197578 14447 001 29 17276 NA NA #7 2197578 14468 021 29 12661 12661 12661 #8 2197578 14489 001 31 15015 0 12661 #9 2197578 14517 001 29 19000 0 12661 #10 2197578 14517 02P 29 19001 19001 31662 #11 2197578 14517 001 31 19002 0 31662 #12 2197578 14517 001 29 19003 0 31662 #13 2197578 14517 001 29 19004 0 31662

ifelse

或使用mycoredata2009 %>% group_by(ID) %>% mutate(Penalty=NA^(row_number()==1L)*(HID!=lag(HID, default=0) & Interval<30)*Amount, CumulativeCost=c(NA, cumsum(Penalty[-1L])))

data.table

dplyr中的cumsum和if-condition没有给出预期的输出

1 个答案: