Question

我正在尝试创建一个新变量，它基本上是我的数据帧中另一个变量的起始值。示例数据：

id <- rep(c(1, 2), each = 8)
outcome <- rep(1:5, length.out = 16)
time <- rep(c(0, 1, 3, 4),4)
Attitude <- rep(c('A1', 'A2', 'A1', 'A2'), each = 4)
df <- data.frame(id, Attitude, outcome, time)

我想要得到的是一个名为new_var（或其他）的新列，其等于outcome time == 0的值id = id，并依赖于Attitude。因此，我希望将dataframe扩展为：

df$new_var <- c(1,1,1,1,5,5,5,5,4,4,4,4,3,3,3,3)

只有这样才能得到一些不错的编码。在SAS中，我知道我可以使用lag函数执行此操作。我真的很感激一个解决方案，而不是“解决问题”。所以它就像SAS，而是正确的解决方案。最后我想在r中变得更强。

相关：Retain and lag function in R as SAS 但是，我更喜欢一些基于指数的解决方案或者通常的＆＃39;方式。在这里，它也不依赖于其他条件。

因此，重要的是编码适用于不同的ids，attitude级别/变量（A1，A2，...）以及outcome value {{1}基本上复制到time == 0。

我希望我能清楚地传达我的信息。如果不是，我认为一小段示例代码以及我希望如何扩展它应该足够清楚。期待着建议。

编辑 @jogo回答的另一个示例代码。

new_var

Answer 1

我认为这就是您的意思 - 假设数据始终处于正确的顺序？

编辑添加了一个排列步骤，以确保始终正确排序数据。

        library(tidyverse)
        df %>% group_by(id, Attitude) %>% 
               arrange(time) %>% 
               mutate(new_var2 = first(outcome[!is.na(outcome)])

        # A tibble: 16 x 6
        # Groups:   id, Attitude [4]
              id Attitude outcome  time new_var new_var2
           <dbl> <fct>      <int> <dbl>   <dbl>    <int>
         1  1.00 A1             1  0       1.00        1
         2  1.00 A1             2  1.00    1.00        1
         3  1.00 A1             3  3.00    1.00        1
         4  1.00 A1             4  4.00    1.00        1
         5  1.00 A2             5  0       5.00        5
         6  1.00 A2             1  1.00    5.00        5
         7  1.00 A2             2  3.00    5.00        5
         8  1.00 A2             3  4.00    5.00        5
         9  2.00 A1             4  0       4.00        4
        10  2.00 A1             5  1.00    4.00        4
        11  2.00 A1             1  3.00    4.00        4
        12  2.00 A1             2  4.00    4.00        4
        13  2.00 A2             3  0       3.00        3
        14  2.00 A2             4  1.00    3.00        3
        15  2.00 A2             5  3.00    3.00        3
        16  2.00 A2             1  4.00    3.00        3

Answer 2

以下是data.table的解决方案：

library("data.table")
setDT(df)
df[, new_var:=outcome[1], rleid(Attitude)][]  # or
# df[, new_var:=outcome[time==0], rleid(Attitude)][]

为了测试，我将新列命名为new_var2：

id <- rep(c(1, 2), each = 8)
outcome <- rep(1:5, length.out = 16)
time <- rep(c(0, 1, 3, 4),4)
Attitude <- rep(c('A1', 'A2', 'A1', 'A2'), each = 4)
df <- data.frame(id, Attitude, outcome, time)
df$new_var <- c(1,1,1,1,5,5,5,5,4,4,4,4,3,3,3,3)

library("data.table")
setDT(df)
df[, new_var2:=outcome[1], rleid(Attitude)][] 
# > df[, new_var2:=outcome[1], rleid(Attitude)][]
#     id Attitude outcome time new_var new_var2
#  1:  1       A1       1    0       1        1
#  2:  1       A1       2    1       1        1
#  3:  1       A1       3    3       1        1
#  4:  1       A1       4    4       1        1
#  5:  1       A2       5    0       5        5
#  6:  1       A2       1    1       5        5
#  7:  1       A2       2    3       5        5
#  8:  1       A2       3    4       5        5
#  9:  2       A1       4    0       4        4
# 10:  2       A1       5    1       4        4
# 11:  2       A1       1    3       4        4
# 12:  2       A1       2    4       4        4
# 13:  2       A2       3    0       3        3
# 14:  2       A2       4    1       3        3
# 15:  2       A2       5    3       3        3
# 16:  2       A2       1    4       3        3

您的第二个示例显示您必须重新排序数据行。 Usinf data.table这可以通过setkey()完成：

ID <- rep(1, 36)
Attitude <- rep(c('A1', 'A2','A3', 'A4', 'A5', 'A6', 'A7', 'A8', 'A9'), 
                length.out =36)
Answer_a <- rep(1:5, length.out = 36)
time <- as.character(rep(c(0, 1, 3, 4), each = 9))

df <- data.frame(ID, Attitude, Answer_a, time)
df$time <- as.character(df$time)

library("data.table")
setDT(df)
setkey(df, ID, Attitude, time)
df[, new_var:=Answer_a[1], rleid(Attitude)]
df

使用纵向数据创建起始值变量（有条件）

2 个答案: