Question

我有一个数据框，其中包含由多个编码器生成的一组项目评级。并非所有编码员都对所有项目进对于每个项目，我想基于前两位编码员的评级产生平均值，如外部排名系统所示。编码器从A（最高）到D（最低）排名。在我当前的代码中，我通过编码器排名（从A到D）对列进行排序，然后使用for循环：

   CoderA CoderB CoderC CoderD
1       2      1     NA      1
2       1      3      3     NA
3      NA     NA      4      5
4       7      6      7      6
5       3      3      4      2
6       2      2     NA     NA
7       2     NA      2      1
8       5      3     NA      4
9       7      7      6     NA
10      1     NA      3      4

df <- data.frame(
CoderA = c(2,1,NA,7,3,2,2,5,7,1),
CoderB = c(1,3,NA,6,3,2,NA,3,7,NA),
CoderC = c(NA,3,4,7,4,NA,2,NA,6,3),
CoderD = c(1,NA,5,6,2,NA,1,4,NA,4))

df$first_sc <- apply(df, 1, function(x) names(df[which(!is.na(x))])[1])
df$sec_sc <- apply(df, 1, function(x) names(df[which(!is.na(x))])[2])

for (x in seq(1,nrow(df))) {
  first_rating <- df[x,df$first_sc[x]]
  second_rating <- df[x,df$sec_sc[x]]
  df$BestAvg[x] <- (first_rating + second_rating) / 2
  }

问题1：有关上述简单案例的更简约解决方案的任何建议吗？（for循环不是首选，但我坚持使用类似的apply函数进行索引。）

问题2：在第二个数据框中，列是不按编码器排名排序（例如，列是'CoderD'，'CoderB'，'CoderC'， 'CoderA'）。考虑到这种约束，我怎么能处理同样的问题？

Answer 1

使用dplyr和tidyr ...

df2 <- df %>% mutate(case=1:n()) %>% #add case numbers
              gather(key=coder,value=score,-case) %>% #convert to long format
              filter(!is.na(score)) %>% #remove NA scores
              arrange(case,coder) %>% #order by case and coder
              group_by(case) %>% #group by case
              summarise(bestavg=mean(head(score,2))) %>% #mean of top two
              right_join(df %>% mutate(case=1:n())) #merge with original data

df2
# A tibble: 10 x 6
    case   bestavg CoderA CoderB CoderC CoderD
   <int>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
 1     1       1.5      2      1     NA      1
 2     2       2.0      1      3      3     NA
 3     3       4.5     NA     NA      4      5
 4     4       6.5      7      6      7      6
 5     5       3.0      3      3      4      2
 6     6       2.0      2      2     NA     NA
 7     7       2.0      2     NA      2      1
 8     8       4.0      5      3     NA      4
 9     9       7.0      7      7      6     NA
10    10       2.0      1     NA      3      4

如果你的编码器名称按你想要的偏好顺序排序（如你所描述的），这将有效。数据框中列的顺序无关紧要。

Answer 2

对于第一个问题，您可以使用apply得到每行前2个非NA值的平均值：

df$BestAvg = apply(df,1,function(x) mean(x[!is.na(x)][1:2]))

如果编码员的排名实际上是CoderD > CoderB > CoderC > CoderA：

r = c("CoderD", "CoderB", "CoderC", "CoderA")
df$BestAvg2 = apply(df,1,function(x) mean(x[r][!is.na(x[r])][1:2]))

返回：

     CoderA CoderB CoderC CoderD BestAvg BestAvg2
1       2      1     NA      1     1.5      1.0
2       1      3      3     NA     2.0      3.0
3      NA     NA      4      5     4.5      4.5
4       7      6      7      6     6.5      6.0
5       3      3      4      2     3.0      2.5
6       2      2     NA     NA     2.0      2.0
7       2     NA      2      1     2.0      1.5
8       5      3     NA      4     4.0      3.5
9       7      7      6     NA     7.0      6.5
10      1     NA      3      4     2.0      3.5

计算通过外部排名选择的列子集的行意味着

2 个答案: