在 R (Tidyverse) 中使用 All As OR As 和 Bs 为学生创建虚拟变量答案

【问题标题】：Create dummy variable for student with All As OR As and Bs in R (Tidyverse)在 R (Tidyverse) 中使用 All As OR As 和 Bs 为学生创建虚拟变量
【发布时间】：2021-07-17 02:55:34
【问题描述】：

下午好，

我需要创建一个本学期所有 As 的学生列表。我需要创建另一个本学期所有 B 的学生列表。我无法弄清楚如何使用我拥有的数据来实际完成这项工作。以下是我拥有的和正在寻找的。有什么想法吗？

original_df <- 
  tribble(~id, ~subject, ~grade,
          "001", "ela", "A+",
          "001", "math", "A",
          "001", "science", "A-",
          "002", "ela", "A",
          "002", "math", "B+",
          "002", "science", "B-",
          "003", "ela", "A",
          "003", "math", "A",
          "003", "science", "A-",
          "004", "ela", "C",
          "004", "math", "C",
          "004", "science", "A+",
          )

summarized_df <- 
  tribble(~id, ~all_As, ~As_and_Bs,
          "001", 1, 0, 
          "002", 0, 1, 
          "003", 1, 0,
          "004", 0, 0
          )

【问题讨论】：

标签： r tidyverse

【解决方案1】：

一种方法是在按“id”分组后，使用正则表达式检查“A”，或通过删除标点提取字母并检查“A”、“B”的all 是否存在

library(dplyr)
library(stringr)
original_df %>%
   group_by(id) %>% 
   summarise(all_As = +(all(str_detect(grade, 'A'))),
     As_and_Bs = +(all(c('A', 'B') %in% str_remove(grade, '[-+]'))),
        .groups = 'drop')

-输出

# A tibble: 4 x 3
#  id    all_As As_and_Bs
#* <chr>  <int>     <int>
#1 001        1         0
#2 002        0         1
#3 003        1         0
#4 004        0         0

或者像 cmets 中提到的 @BenBolker

original_df %>%
   group_by(id) %>% 
   summarise(all_As=all(grepl("^A",grade)),
             As_and_Bs=!all_As && all(grepl("^[AB]",grade)))

【讨论】：

我打算用all(grepl("^[AB]",grade))（或者用str_detect代替grepl和args的倒序）
可能要注意+ 是as.numeric() 的简写...
@BenBolker 如果所有 'A' 都是 TRUE 而没有任何 B，那这也不是 TRUE。我的意思是，如果你将它用于 As 和 Bs
summarise 是否按顺序工作？我们可以all_As=all(grepl("^A",grade)), As_and_Bs=!all_As && all(grepl("^[AB],grade)) 吗？
@Mishalb 它是summarise 中的参数。在某些版本中，如果未提供，则会发出警告。默认情况下，它会按该顺序删除最后一个分组变量。您也可以查看here

【解决方案2】：

data.table 选项

setDT(original_df)[
  ,
  .(
    all_As = +!var(startsWith(grade, "A")),
    As_and_Bs = +all(c("A", "B") %in% substr(grade, 1, 1))
  ), id
]

给予

    id all_As As_and_Bs
1: 001      1         0
2: 002      0         1
3: 003      1         0
4: 004      0         0

【讨论】：

【解决方案3】：

另一个data.table选项，尽量将函数和输入分开，使其灵活。

library(data.table)
setDT(original_df)

only <- function(x,y) all(x == y)
incl <- function(x,y) all(x %in% y)

original_df[
  , 
  Map(
    function(l,f) f(l, substr(grade, 1, 1)),
    list(all_as = "A", all_bs = "B", as_and_bs = c("A","B")),
    c(only, only, incl)
  ),
  by=id
]

#    id all_as all_bs as_and_bs
#1: 001   TRUE  FALSE     FALSE
#2: 002  FALSE  FALSE      TRUE
#3: 003   TRUE  FALSE     FALSE
#4: 004  FALSE  FALSE     FALSE

tidyverse 翻译：

original_df %>%
  group_by(id) %>%
  mutate(subgrade = substr(grade,1,1)) %>%
  summarise(
    across(
      c(subgrade),
      list(
        all_as    = ~only(x="A", y=.x),
        all_bs    = ~only(x="B", y=.x),
        as_and_bs = ~incl(x=c("A","B"), y=.x)
      ),
      .names="{fn}"
    )
  )

#`summarise()` ungrouping output (override with `.groups` argument)
## A tibble: 4 x 4
#  id    all_as all_bs as_and_bs
#  <chr> <lgl>  <lgl>  <lgl>    
#1 001   TRUE   FALSE  FALSE    
#2 002   FALSE  FALSE  TRUE     
#3 003   TRUE   FALSE  FALSE    
#4 004   FALSE  FALSE  FALSE

【讨论】：