检查组 dplyr 中的值是否随时间变化答案

【问题标题】：check whether value changed over time within group dplyr检查组 dplyr 中的值是否随时间变化
【发布时间】：2020-03-09 11:51:11
【问题描述】：

我的 df 看起来像：

# A tibble: 14 x 3
   user_id flag  order
     <dbl> <chr> <dbl>
 1       1 aaa       1
 2       1 aaa       2
 3       1 aaa       3
 4       1 bbb       4
 5       2 bbb       1
 6       2 bbb       2
 7       3 aaa       1
 8       3 aaa       2
 9       3 bbb       3
10       4 ccc       1
11       4 aaa       2
12       4 aaa       3
13       4 aaa       4
14       4 aaa       5



test_df <- tibble::tribble(
             ~user_id, ~flag, ~order,
                    1, "aaa",      1,
                    1, "aaa",      2,
                    1, "aaa",      3,
                    1, "bbb",      4,
                    2, "bbb",      1,
                    2, "bbb",      2,
                    3, "aaa",      1,
                    3, "aaa",      2,
                    3, "bbb",      3,
                    4, "ccc",      1,
                    4, "aaa",      2,
                    4, "aaa",      3,
                    4, "aaa",      4,
                    4, "aaa",      5)

user_id：每个用户的唯一标识符
标志（字符串）
订购

我想检查每个 user_id 的标志是否在订单中发生了变化。

我想创建一个列has_changedvalued：

has_changed 如果标志在 order 之后的某个时间点更改为 bbb，则值为 != 从 1 开始。

我做到了：

test_df %>%
  group_by(user_id) %>%
  mutate(has_changed = ifelse(any(flag == 'bbb' & order != 1), 'yes','no'))

导致：

# A tibble: 14 x 4
# Groups:   user_id [4]
   user_id flag  order has_changed
     <dbl> <chr> <dbl> <chr>      
 1       1 aaa       1 yes        
 2       1 aaa       2 yes        
 3       1 aaa       3 yes        
 4       1 bbb       4 yes        
 5       2 bbb       1 yes        
 6       2 bbb       2 yes        
 7       3 aaa       1 yes        
 8       3 aaa       2 yes        
 9       3 bbb       3 yes        
10       4 ccc       1 no         
11       4 aaa       2 no         
12       4 aaa       3 no         
13       4 aaa       4 no         
14       4 aaa       5 no

给我一个错误的结果，因为 user_id == 2 没有改变，因为它一直有标志 bbb。

我想要的输出应该是这样的：

# A tibble: 14 x 4
   user_id flag  order has_changed
     <dbl> <chr> <dbl> <chr>      
 1       1 aaa       1 yes        
 2       1 aaa       2 yes        
 3       1 aaa       3 yes        
 4       1 bbb       4 yes        
 5       2 bbb       1 no         
 6       2 bbb       2 no         
 7       3 aaa       1 yes        
 8       3 aaa       2 yes        
 9       3 bbb       3 yes        
10       4 ccc       1 no         
11       4 aaa       2 no         
12       4 aaa       3 no         
13       4 aaa       4 no         
14       4 aaa       5 no

【问题讨论】：

标签： r dplyr group-by tidyverse

【解决方案1】：

如果我理解你的问题，你想识别user_id，这样对于order == 1，你有flag != bbb，还有一些后续的order != 1，flag == bbb。

如果我们把这个逻辑拼出来，我们写

library(tidyverse)

test_df %>%
  group_by(user_id) %>%
  mutate(first_bbb = any(flag != 'bbb' & order == 1),
         subsequent_not_bbb = any(flag == 'bbb' & order != 1),
         has_changed = if_else(first_bbb & subsequent_not_bbb, 'yes', 'no'))

产生

# A tibble: 14 x 6
# Groups:   user_id [4]
   user_id flag  order first_bbb subsequent_not_bbb has_changed
     <dbl> <chr> <dbl> <lgl>     <lgl>              <chr>      
 1       1 aaa       1 TRUE      TRUE               yes        
 2       1 aaa       2 TRUE      TRUE               yes        
 3       1 aaa       3 TRUE      TRUE               yes        
 4       1 bbb       4 TRUE      TRUE               yes        
 5       2 bbb       1 FALSE     TRUE               no         
 6       2 bbb       2 FALSE     TRUE               no         
 7       3 aaa       1 TRUE      TRUE               yes        
 8       3 aaa       2 TRUE      TRUE               yes        
 9       3 bbb       3 TRUE      TRUE               yes        
10       4 ccc       1 TRUE      FALSE              no         
11       4 aaa       2 TRUE      FALSE              no         
12       4 aaa       3 TRUE      FALSE              no         
13       4 aaa       4 TRUE      FALSE              no         
14       4 aaa       5 TRUE      FALSE              no

has_changed 列符合您想要的输出。您当然可以通过管道输入select(user_id, flag, order, has_changed) 以完全重现您想要的输出。或者，这里有一个更简洁（如果可能不太可读）的版本：

library(tidyverse)

test_df %>%
  group_by(user_id) %>%
  mutate(has_changed = if_else(any(flag != 'bbb' & order == 1) & any(flag == 'bbb' & order != 1), 'yes', 'no'))

这给了

# A tibble: 14 x 4
# Groups:   user_id [4]
   user_id flag  order has_changed
     <dbl> <chr> <dbl> <chr>      
 1       1 aaa       1 yes        
 2       1 aaa       2 yes        
 3       1 aaa       3 yes        
 4       1 bbb       4 yes        
 5       2 bbb       1 no         
 6       2 bbb       2 no         
 7       3 aaa       1 yes        
 8       3 aaa       2 yes        
 9       3 bbb       3 yes        
10       4 ccc       1 no         
11       4 aaa       2 no         
12       4 aaa       3 no         
13       4 aaa       4 no         
14       4 aaa       5 no

根据需要。

【讨论】：

【解决方案2】：

对于user_id，如果any 值的flag 值为'bbb'，而先前的值不是'bbb'，则为组返回'yes'，否则返回'no'。

library(dplyr)

test_df %>%
  group_by(user_id) %>%
  mutate(has_changed = if(any(flag == 'bbb' & 
                         lag(flag) != 'bbb', na.rm = TRUE)) 'yes' else 'no') %>%
  ungroup

#  user_id flag  order has_changed
#     <dbl> <chr> <dbl> <chr>      
# 1       1 aaa       1 yes        
# 2       1 aaa       2 yes        
# 3       1 aaa       3 yes        
# 4       1 bbb       4 yes        
# 5       2 bbb       1 no         
# 6       2 bbb       2 no         
# 7       3 aaa       1 yes        
# 8       3 aaa       2 yes        
# 9       3 bbb       3 yes        
#10       4 ccc       1 no         
#11       4 aaa       2 no         
#12       4 aaa       3 no         
#13       4 aaa       4 no         
#14       4 aaa       5 no

【讨论】：