根据由第三列分组的第二列中的值将值分配给新列？

Question

我有类似以下的数据（姑且称之为df）：

participant item    rating
1           I1      5
1           I2      6
1           I3      6
1           I4      6
1           I5      7
1           I6      6
1           I7      6
1           I8      5
2           I1      4
2           I2      4
2           I3      3
2           I4      2
2           I5      3
2           I6      1
2           I7      2
2           I8      4
3           I1      7
3           I2      6
3           I3      7
3           I4      6
3           I5      3
3           I6      3
3           I7      6
3           I8      4

参与者编号一列，测试项目一列（每个参与者都相同），最后一列是项目评分。我想标记每个参与者的评分，以便在八个项目上大于一位参与者所有评分平均值的个人评分被标记为“高响应”，否则标记为“低响应”。

我认为可以创建另一个列来简单地显示每个参与者的评分平均值：

allMeans <- aggregate(df$rating, by=list(df$participant), FUN=mean, na.rm=TRUE)

然后复制均值向量以匹配行的长度：

df$rating.mean <- rep(allMeans$x, each = 8)

最后根据df$ratings 和df$allMeans 每行之间的比较将标签分配给一个新列。

但我只是想知道是否有一些功能可以通过一行代码或更“吸引人”的解决方案来实现这一点？另外，如果现在标签的标准发生了变化，比如说我们需要根据高于mean + sd、低于mean - sd 以及介于mean+sd 和mean-sd 之间来标记“高”、“低”和“中” ?

Answer 1

我们可以group_byparticipant 并将rating 与mean rating 的组进行比较并分配标签。

library(dplyr)
df %>%
  group_by(participant) %>%
  mutate(label = case_when(rating > mean(rating, na.rm = TRUE) ~ "high response", 
                            TRUE ~ "low response"))


#   participant item  rating label        
#         <int> <fct>  <int> <chr>        
# 1           1 I1         5 low response 
# 2           1 I2         6 high response
# 3           1 I3         6 high response
# 4           1 I4         6 high response
# 5           1 I5         7 high response
# 6           1 I6         6 high response
# 7           1 I7         6 high response
# 8           1 I8         5 low response 
# 9           2 I1         4 high response
#10           2 I2         4 high response
# … with 14 more rows

使用case_when 的好处是可以很容易地添加具有多个输出的多个条件。

---

在base R中，我们可以使用ave

df$label <- with(df, c("low response", "high response")
                     [(rating > ave(rating, participant)) + 1])