我想抽象出一些代码，总结出 n 个课程和 n 个术语的学生的选课模式和成功率。
在以下学生群体中，有多少人在修完“ A”课程后进入了“ B”课程， ，有多少学生获得了成功：
data <- data.frame(student = c(1, 1, 1, 2, 2, 2, 3, 4, 4, 5, 5, 5),
term = c(2, 3, 3, 1, 2, 3, 2, 1, 3, 1, 2, 4),
course = c('A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C', 'A', 'A', 'C'),
success = c(1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 1, 1),
stringsAsFactors = FALSE)
我们可以使用以下代码回答该问题：
library(dplyr)
# Get each student's first, second, third, ... term.
data <- data %>%
group_by(student) %>%
mutate(term_dense = dense_rank(term))%>%
ungroup()
# Identify those who took course A
courseA <- data %>%
filter(course == "A")%>%
select(student, courseA_dense = term_dense)
# Get records of students who took course A, and their subsequent courses
data <- data %>%
left_join(courseA, by = "student")%>%
filter(term_dense >= courseA_dense) # >= for courses they took in same term as course "A"
# Summarise for each term_dense
data %>%
group_by(term_dense) %>%
summarise(attempted_course_A = sum(course == "A"),
completed_course_A = sum(course == "A" & success == 1),
attempted_course_B = sum(course == "B"),
completed_course_B = sum(course == "B" & success == 1))
哪个会产生：
# A tibble: 3 x 5
term_dense attempted_course_A completed_course_A attempted_course_B completed_course_B
<int> <int> <int> <int> <int>
1 1 4 2 0 0
2 2 2 2 2 2
3 3 0 0 0 0
我们可以看到尝试过课程A的学生中有2人尝试过课程B，两者均成功。
现在，我可以通过在summarise语句（即completed_course_C = sum(course == "C" & success == 1)）中添加行来计算在修完课程“ A”之后修过课程“ C” 的人数，但是如果我有很多课程，这似乎不是最有效的选择。
此外，如果我想总结课程“ Y”之后的课程“ X” ，对于任何“ X”和“ Y”，它会创建{{1}的更多排列}语句。而我该如何看待那些在“ Z”之后的“ X” “ Y”
那么，我如何总结可变数量，不同学期的课程的课程进度和成功率？
我认为这就是我的一些困难所在。我不知道结果summarise的结构应该是什么样的。
我确实知道我想轻松回答以下一般问题：
“在课程“ A”中成功的学生中有X％的学生随后在课程“ B”中获得了Y％的成功率”
我一直在尝试将一般性问题（群组跟踪/排序？）应用于其他领域，以便在Google和Stack Overflow中获得更好的关键字/搜索结果。似乎很有前途的一种方法是使用网络分析。
特别是this post, Network Analysis with R，有助于确定潜在的解决方案。我按照本文进行操作，改用我的数据，并能够获取大约一半的信息。使用这种方法，我只能获得一系列尝试或一系列成功率，而不能同时获得。但是我才刚刚开始学习网络分析。
实际上，我已经能够使用plotly's sankey diagram手动显示摘要，该摘要使用类似的网络/链接框架。但是我仍然无法以编程方式计算该信息。
鉴于我实际上想将摘要函数“映射”到我的数据，因此我的许多尝试都使用了带有嵌套列表列的data.frame包。
purrr次尝试我使用上方的原始purrr，尝试根据排名的学生嵌套课程列表。
data然后，我尝试创建一个函数，该函数将源课程的摘要返回到目标课程，最终目标是# library(dplyr) # Loaded in above example
library(tidyr)
library(purrr)
data <- data %>%
group_by(student) %>%
mutate(term_dense = dense_rank(term)) %>%
ungroup()%>%
nest(term, course, success, .key = "schedule")
将该函数复制到包含源和目标的所有唯一排列的列表中：
map该功能仅适用于一个示例，
attempt_summary <- function(df, source, target){
temp_df <- df %>%
filter(map_lgl(schedule, ~any(.x$course == source)))%>%
select(student, source_term_dense = term_dense)
df <- df %>%
left_join(temp_df, by = "student")%>%
filter(term_dense >= source_term_dense)
df %>%
group_by(term_dense) %>%
summarise(completed_source = sum(map_int(schedule, ~any(.x$course == source & .x$success == 1))),
attempted_target = sum(map_int(schedule, ~any(.x$course == target))),
completed_target = sum(map_int(schedule, ~any(.x$course == target & .x$success == 1))))
}
但是我不知道如何将其映射到其他所有内容（我什至不知道如何构建目标列表和源列表），但这是我的尝试：
attempt_summary(data, "A", "B")
# A tibble: 3 x 4
term_dense completed_source attempted_target completed_target
<int> <int> <int> <int>
1 1 2 0 0
2 2 2 2 2
3 3 0 0 0
除了关于# DO NOT RUN - DOESN'T WORK
# map(data, attempt_summary, source = src_list, target = trgt_list)
的许多其他文章之外，我在寻找解决方案时还引用了这些帖子，但我所寻找的都不是。
这是我的purrr通话的输出：
sessionInfo()答案 0 :(得分：0)
在您的问题中间，只有一小部分关于“在课程A中成功的X％学生，随后在课程B中获得Y％的成功率”。
这将找到每门课程A成功和每门课程A不成功的Y％。
library(tidyverse)
data2 <- data %>%
left_join(data, by = c("student")) %>% # add future course results to each result that has any
filter(term.y > term.x) %>% # includes all future courses; could limit to just next one?
count(course.x, success.x, course.y, success.y) %>%
spread(success.y, n, fill = 0) %>%
mutate(success_rate = `1`/ (`0` + `1`)) %>%
select(course.x:course.y, success_rate) %>%
spread(course.y, success_rate)
结果：每行“事件1”，以及每列中将来Y类的成功率。这表明，修读A的人通过了所有后续课程，无论他们在A中的成绩如何。修读B的人在C上的通过率均为50-50。
> data2
# A tibble: 3 x 5
course.x success.x A B C
<chr> <dbl> <dbl> <dbl> <dbl>
1 A 0 1 NA 1
2 A 1 NA 1 1
3 B 1 NA NA 0.5