基于配对数据的额外列（变异）答案

【问题标题】：Extra column based on paired data (mutate)基于配对数据的额外列（变异）
【发布时间】：2015-08-21 09:09:37
【问题描述】：

我有一个包含配对数据的数据集（同一家庭的成员）。

Id 是个人标识符，householdid 是合作伙伴的标识符（反之亦然）。

我需要为他\她的伴侣的每个id添加一个额外的列（职业）。

我的数据是这样的

dta = rbind( c(1013661,101366, 'Never worked'), 
   c(1013662, 101366, 'Intermediate occs'), 
   c(1037552, 103755, 'Managerial & professional occs'), 
   c(1037551, 103755, 'Intermediate occs')
)

colnames(dta) = c('idno', 'householdid', 'occup')
dta

 idno      householdid occup                           
"1013661" "101366"    "Never worked"                  
"1013662" "101366"    "Intermediate occs"             
"1037552" "103755"    "Managerial & professional occs"
"1037551" "103755"    "Intermediate occs"

我需要的应该是这样的

 idno      householdid occup                            occupPartner                    
"1013661" "101366"    "Never worked"                   "Intermediate occs"             
"1013662" "101366"    "Intermediate occs"              "Never worked"                  
"1037552" "103755"    "Managerial & professional occs" "Intermediate occs"             
"1037551" "103755"    "Intermediate occs"              "Managerial & professional occs"

我想有一个 mutate 的解决方案，但我不确定 group_by 应该是什么。

有什么想法吗？

【问题讨论】：

标签： r merge dplyr

【解决方案1】：

试试

library(dplyr)
dta1 <-  as.data.frame(dta) %>% 
          group_by(householdid) %>% 
          mutate(occupPartner= rev(occup)) 
as.data.frame(dta1)
#     idno householdid                          occup
#1 1013661      101366                   Never worked
#2 1013662      101366              Intermediate occs
#3 1037552      103755 Managerial & professional occs
#4 1037551      103755              Intermediate occs
#                 occupPartner
#1              Intermediate occs
#2                   Never worked
#3              Intermediate occs
#4 Managerial & professional occs

如果数据已经排序，

 indx <- c(rbind(seq(2, nrow(dta), by=2), seq(1, nrow(dta), by=2)))
 cbind(dta, occupPartner=dta[,3][indx])

【讨论】：

辉煌辉煌辉煌

【解决方案2】：

另一个使用data.table的选项

library(data.table)
out = as.data.table(dta)[, occupPartner := rev(occup), by = householdid]

#> out
#      idno householdid                          occup
#1: 1013661      101366                   Never worked
#2: 1013662      101366              Intermediate occs
#3: 1037552      103755 Managerial & professional occs
#4: 1037551      103755              Intermediate occs
#                     occupPartner
#1:              Intermediate occs
#2:                   Never worked
#3:              Intermediate occs
#4: Managerial & professional occs

【讨论】：

如果您想使用data.tables，那么使用setDT() 比使用as.data.table() 不必要地复制数据更好。
其实我用的是as.data.table()，因为输入数据是一个矩阵。
但肯定 setDT 是 data.table 中更好的选择，因为它是一个数据框，感谢 Arun！