一起使用 case_when 和 lag() ？

Question

提前道歉，这个问题很大 - 我正在尝试包含尽可能多的细节。下面的示例表是行为任务的输出。在 448 次试验中，每一次试验的开始和结束都有视觉掩码、一个视觉素数（六个可能的素数，用代码 1:6 表示）和一个做出响应的目标（六个可能，表示通过代码 7:12)。对目标的准确度用 1（正确）或 0（错误）表示。

我现在需要向响应行添加新代码。这些新闻代码必须是代表目标类型和准确性的每种组合的新数字。例如，如果有一个正方形目标（代码 12），并且参与者是正确的（准确度 = 1），则新代码将为 25；如果有一个方形目标 (12) 并且它们不正确 (Accuracy=0)，则新代码将为 26，以此类推，目标 (7:12) 和准确度 (0:1) 的每个组合（总共 12 个组合)。

Trial	Label	Code	Accuracy
1	Pre-Mask	13	1
1	BluePrime	6	1
1	SqureTarget	12	1
1	Post-Mask	14	1
1	Response	NA	1
2	Pre-Mask	13	0
2	RedPrime	4	0
2	CircleTarget	9	0
2	Post-Mask	14	0
2	Response	NA	0

基本上，我需要一个条件语句，根据缺失值之前两行中两个不同列的信息替换 NA。输出应如下所示：

Trial	Label	Code	Accuracy
1	Pre-Mask	13	1
1	BluePrime	6	1
1	SqureTarget	12	1
1	Post-Mask	14	1
1	Response	25	1
2	Pre-Mask	13	0
2	RedPrime	4	0
2	CircleTarget	9	0
2	Post-Mask	14	0
2	Response	20	0

这是包含所有新可能组合的表格：

When target is..	And Accuracy is...	New Code #
7	1	15
7	0	16
8	1	17
8	0	18
9	1	19
9	0	20
10	1	21
10	0	22
11	1	23
11	0	24
12	1	25
12	0	26

我尝试了 lag() 和 case_when() 的不同组合，但是当我开始输入时，我意识到我真的不知道如何构造参数（我对 R 和编程还是很陌生） .我知道我可以在 Excel 中手动输入数字，但我希望在 R 中在某种程度上实现自动化。我意识到这些信息也可以很容易地放入新行中，但是为了下一个程序，我是用于理解代码值，它们都需要按照它们实时出现的顺序在同一列中（响应输入将始终遵循后视觉掩码，代码 14）。

如果需要任何澄清，请告诉我。任何帮助表示赞赏！

Answer 1

我认为这符合你的逻辑：

library(dplyr)
library(tidyr)

input %>%
  ## join the new values to the original data on their current rows
  left_join(lookup, by = c("Code", "Accuracy")) %>%
  ## do all subsequent operations within each Trial group
  group_by(Trial) %>%
  ## Fill in missing `New_Code` values based on the previous non-missing value
  fill(New_Code, .direction = "down") %>%
  ## replace any `Code` missing values with the `New_Code` value
  mutate(Code = coalesce(Code, New_Code))

# # A tibble: 10 x 5
# # Groups:   Trial [2]
# Trial Label         Code Accuracy New_Code
# <int> <chr>        <int>    <int>    <int>
#  1     1 Pre-Mask        13        1       NA
#  2     1 BluePrime        6        1       NA
#  3     1 SqureTarget     12        1       25
#  4     1 Post-Mask       14        1       25
#  5     1 Response        25        1       25
#  6     2 Pre-Mask        13        0       NA
#  7     2 RedPrime         4        0       NA
#  8     2 CircleTarget     9        0       20
#  9     2 Post-Mask       14        0       20
# 10     2 Response        20        0       20

当然，您可以通过添加 ... %>% select(-New_Code) 来删除 New_Code 列——为了清楚起见，我将其保留在上面。

---

使用这些数据：

input = read.table(text = 'Trial    Label   Code    Accuracy
1   Pre-Mask    13  1
1   BluePrime   6   1
1   SqureTarget 12  1
1   Post-Mask   14  1
1   Response    NA  1
2   Pre-Mask    13  0
2   RedPrime    4   0
2   CircleTarget    9   0
2   Post-Mask   14  0
2   Response    NA  0', header = T)

lookup = read.table(text = 'Code    Accuracy    New_Code
7   1   15
7   0   16
8   1   17
8   0   18
9   1   19
9   0   20
10  1   21
10  0   22
11  1   23
11  0   24
12  1   25
12  0   26', header = TRUE)

Answer 2

你可以这样做：

1. 我将第一个表读为“acc”
2. 我已将最后一个表读为“目标”

merge <- merge(x = acc, y = target, by = c("Code", "Accuracy"), all.x= TRUE)
   Code Accuracy Trial        Label newCode
1     4        0     2     RedPrime      NA
2     6        1     1    BluePrime      NA
3     9        0     2 CircleTarget      20
4    12        1     1  SqureTarget      25
5    13        0     2     Pre-Mask      NA
6    13        1     1     Pre-Mask      NA
7    14        0     2    Post-Mask      NA
8    14        1     1    Post-Mask      NA
9    NA        0     2     Response      NA
10   NA        1     1     Response      NA

newCodes <- merge[!is.na(merge$newCode),c("Trial", "newCode")]
merge <- merge(merge, newCodes, "Trial")  

  Trial Code Accuracy        Label newCode.x newCode.y
1      1    6        1    BluePrime        NA        25
2      1   12        1  SqureTarget        25        25
3      1   13        1     Pre-Mask        NA        25
4      1   14        1    Post-Mask        NA        25
5      1   NA        1     Response        NA        25
6      2    4        0     RedPrime        NA        20
7      2    9        0 CircleTarget        20        20
8      2   13        0     Pre-Mask        NA        20
9      2   14        0    Post-Mask        NA        20
10     2   NA        0     Response        NA        20

merge[merge$Label =='Response',]$Code <- merge[merge$Label =='Response',]$newCode.y

   Trial Code Accuracy        Label newCode.x newCode.y
1      1    6        1    BluePrime        NA        25
2      1   12        1  SqureTarget        25        25
3      1   13        1     Pre-Mask        NA        25
4      1   14        1    Post-Mask        NA        25
5      1   25        1     Response        NA        25
6      2    4        0     RedPrime        NA        20
7      2    9        0 CircleTarget        20        20
8      2   13        0     Pre-Mask        NA        20
9      2   14        0    Post-Mask        NA        20
10     2   20        0     Response        NA        20

抱歉没有用case when，希望你能用。