Question

我有数据集

ID <- c(1,1,2,2,2,2,3,3,3,3,3,4,4,4)
Eval <- c("A","A","B","B","A","A","A","A","B","B","A","A","A","B")
med <- c("c","d","k","k","h","h","c","d","h","h","h","c","h","k")
df <- data.frame(ID,Eval,med)
> df
    ID Eval med
 1   1    A   c
 2   1    A   d
 3   2    B   k
 4   2    B   k
 5   2    A   h
 6   2    A   h
 7   3    A   c
 8   3    A   d
 9   3    B   h
 10  3    B   h
 11  3    A   h
 12  4    A   c
 13  4    A   h
 14  4    B   k

我尝试创建变量x和y，按ID和Eval分组。对于每个ID if Eval = A, and med = "h" or "k"，我设置x = 1，其他明智x = 0，if Eval = B and med = "h" or "k"，我设置y = 1，其他明智y = 0。我使用的方式我不喜欢它，我得到了答案，但它看起来不那么好

df <- data.table(df)
setDT(df)[, count := uniqueN(med) , by = .(ID,Eval)]
setDT(df)[Eval == "A", x:= ifelse(count == 1 & med %in% c("k","h"),1,0), by=ID]
setDT(df)[Eval == "B", y:= ifelse(count == 1 & med %in% c("k","h"),1,0), by=ID]


     ID Eval med count  x  y
 1:  1    A   c     2  0 NA
 2:  1    A   d     2  0 NA
 3:  2    B   k     1 NA  1
 4:  2    B   k     1 NA  1
 5:  2    A   h     1  1 NA
 6:  2    A   h     1  1 NA
 7:  3    A   c     3  0 NA
 8:  3    A   d     3  0 NA
 9:  3    B   h     1 NA  1
10:  3    B   h     1 NA  1
11:  3    A   h     3  0 NA
12:  4    A   c     2  0 NA
13:  4    A   h     2  0 NA
14:  4    B   k     1 NA  1

然后我需要折叠行来获取唯一ID，我不知道如何折叠行，任何想法？

输出

Answer 1

我们创建按'ID'分组的'x'和'y'变量，而NA元素不直接将逻辑向量强制转换为二进制（as.integer）

df[, x := as.integer(Eval == "A" & count ==1 & med %in% c("h", "k")) , by = ID]

，类似于'y'

df[, y := as.integer(Eval == "B" & count ==1 & med %in% c("h", "k")) , by = ID]

并总结一下，在按“ID”分组后使用any

df[, lapply(.SD, function(x) as.integer(any(x))) , ID, .SDcols = x:y]
#   ID x y
#1:  1 0 0
#2:  2 1 1
#3:  3 0 1
#4:  4 0 1

如果我们需要一种紧凑的方法，而不是分配（:=），我们会根据条件汇总按“ID”，“Eval”分组的输出，然后按“ID”分组，我们检查是否存在循环遍历any中描述的列，在'x'和'y'中为.SDcols TRUE值。

setDT(df)[,  if(any(uniqueN(med)==1 & med %in% c("h", "k"))) {
        .(x= Eval=="A", y= Eval == "B") } else .(x=FALSE, y=FALSE),
     by = .(ID, Eval)][, lapply(.SD, any) , by = ID, .SDcols = x:y]
#  ID     x     y
#1:  1 FALSE FALSE
#2:  2  TRUE  TRUE
#3:  3 FALSE  TRUE
#4:  4 FALSE  TRUE

如果需要，我们可以转换为二进制类似于第一种解决方案中显示的方法。

Answer 2

OP的目标......

＆＃34;我尝试创建变量x和y，按ID和Eval分组。对于每个ID，如果Eval = A，则med =＆＃34; h＆＃34;或者＆＃34; k＆＃34;，我设置x = 1，其他方式x = 0，如果Eval = B且med =＆＃34; h＆＃34;或者＆＃34; k＆＃34;，我设置y = 1，其他明智的y = 0. [...]然后我需要折叠该行以获得唯一的ID＆＃34;

可以简化为......

对于每个ID和Eval，如果所有med值都是h或所有med值都是k，则标记。

setDT(df) # only do this once
df[, all(med=="k") | all(med=="h"), by=.(ID,Eval)][, dcast(.SD, ID ~ Eval, fun=any)]

   ID     A     B
1:  1 FALSE FALSE
2:  2  TRUE  TRUE
3:  3 FALSE  TRUE
4:  4 FALSE  TRUE

要查看dcast正在做什么，请阅读?dcast并尝试自行运行第一部分df[, all(med=="k") | all(med=="h"), by=.(ID,Eval)]。

使用x和y而不是A和B的更改很简单但不明智（因为不必要的重命名可能会造成混淆，并且当有新的Eval值时会导致额外的工作）;并且改变1/0而不是TRUE / FALSE（因为捕获的值实际上是布尔值）。

Answer 3

以下是我的dplyr解决方案，因为我发现它比data.table更具可读性。

library(dplyr)
df %>%
  group_by(ID, Eval) %>%
  mutate(
    count = length(unique(med)),
    x = ifelse(Eval == "A" &
                 count == 1 & med %in% c("h", "k"), 1, 0),
    y = ifelse(Eval == "B" &
                 count == 1 & med %in% c("h", "k"), 1, 0)
  )   %>%
  group_by(ID) %>%
  summarise(x1 = max(unique(x)),
            y1 = max(unique(y)))

Answer 4

用于折叠结果行的单线程解决方案：

df[,lapply(.SD,function(i) {ifelse(1 %in% i,ifelse(!0 %in% i,1,0),0)}),.SDcols=x:y,by=ID]

   ID x y
1:  1 0 0
2:  2 1 1
3:  3 0 1
4:  4 0 1

R中的ifelse函数组

4 个答案: