使用 dplyr 的条件和/或嵌套 ifelse 变异逻辑

Question

我有一个这样排列的数据集：

ID   A   B  C   D   Win  Loss
001  NA  3  NA  NA  6    NA  
002  NA  NA NA  NA  NA   17
003  1   5  12  18  NA   22
004  NA  7  9   NA  31   NA
005  8   2  NA  NA  NA   14
006  2   6  12  19  25   NA
007  NA  NA NA  NA  6    NA 

在这个数据集中，ID 应该按时间顺序通过每个阶段（A、B、C、D）并在最后达到赢/输（ID 003 和 006）

但是，有时 ID 会向后移动（ID 005），有些会跳过阶段（ID 001 和 004），有些则直接进入赢/输（ID 002 和 007）。

我想用 dplyr 变异逻辑来调用这些。输出：

ID   A   B  C   D   Win  Loss  Backwards Skip  Just W/L
001  NA  3  NA  NA  6    NA    F         T     F
002  NA  NA NA  NA  NA   17    F         T     T
003  1   5  12  18  NA   22    F         F     F
004  NA  7  9   NA  31   NA    F         T     F
005  8   2  NA  NA  NA   14    T         T     F
006  2   6  12  19  25   NA    F         F     F
007  NA  NA NA  NA  6    NA    F         T     T

我知道我应该使用类似于this 的逻辑，但我就是想不通。

提前致谢。

编辑：

如果您还可以告诉我如何计算每个阶段之间经过的时间/天数，即使它跳过了几个阶段，也可以加分。

Answer 1

这可以使用base R 来完成。选择感兴趣的列df[LETTERS[1:4]]，创建一个存在/不存在“NA”的逻辑矩阵（is.na(df[...)）。否定它 (!) 使非 NA 元素变为“TRUE”，获取行明智的总和 rowSums 并否定它!，因此具有 0 非 NA 值的行将变为 TRUE，这将只是输赢的情况。对于“向后”，我们可以对行（MARGIN=1）使用循环方法（apply(），检查非NA元素（diff(na.omit(x))）的差异是否有负数（any(....)<0）。如果有，则表明 ID 向后移动。 “Skip”也类似于“JustWL”，我们得到逻辑矩阵 (is.na(..))、逐行求和 (rowSums) 和双重否定 (!!)。如果至少有一个“NA”，则为 TRUE。

JustWL <- !rowSums(!is.na(df[LETTERS[1:4]]))
Backwards <- apply(df[LETTERS[1:4]], 1, function(x) any(diff(na.omit(x))<0))
Skip <- !!rowSums(is.na(df[LETTERS[1:4]]))

df1 <- data.frame(df, JustWL, Backwards, Skip)
df1
#   ID  A  B  C  D Win Loss JustWL Backwards  Skip
# 1  1 NA  3 NA NA   6   NA  FALSE     FALSE  TRUE
# 2  2 NA NA NA NA  NA   17   TRUE     FALSE  TRUE 
# 3  3  1  5 12 18  NA   22  FALSE     FALSE FALSE
# 4  4 NA  7  9 NA  31   NA  FALSE     FALSE  TRUE
# 5  5  8  2 NA NA  NA   14  FALSE      TRUE  TRUE
# 6  6  2  6 12 19  25   NA  FALSE     FALSE FALSE
# 7  7 NA NA NA NA   6   NA   TRUE     FALSE  TRUE

或者在dplyr中使用相同的代码

library(dplyr)
 df %>% 
    mutate(JustWL=!rowSums(!is.na(.[LETTERS[1:4]])), 
           Skip=!!rowSums(is.na(.[LETTERS[1:4]]))) %>%
           rowwise() %>% 
           do(data.frame(., Backwards= 
               any(diff(na.omit(unlist(.[LETTERS[1:4]])))<0)))