使用 group_by 和 case_when 为每个组生成单个值

Question

我有一个带有id 和stage 的data.frame。 stage 是字符，但对应于有序进程（A -> B -> C -> ...）。

expand.grid(id=c(1:5), stage = LETTERS[1:4]) %>%
 arrange(id) %>%
 mutate(flag = case_when(str_detect(stage, "D") ~ "Dance",
                         str_detect(stage, "C") ~ "Climb",
                         str_detect(stage, "B") ~ "Biceps",
                         str_detect(stage, "A") ~ "Aerobic"))

这会产生我所期望的，一个向量化的case by case标志列。但我想要的是我的case_when 的输出对于整个id 组是唯一的。所以我尝试添加group_by(id)

expand.grid(id=c(1:5), stage = LETTERS[1:4]) %>%
 arrange(id) %>%
 group_by(id) %>%
 mutate(flag = case_when(str_detect(stage, "D") ~ "Dance",
                         str_detect(stage, "C") ~ "Climb",
                         str_detect(stage, "B") ~ "Biceps",
                         str_detect(stage, "A") ~ "Aerobic"))

但这不会改变结果的性质。将mutate 更改为summarize 也不会产生我希望的“总结”效果。 我可能不完全理解 case_when() 和 group_by() 的功能，因此我无法编写正确的命令来获取我正在寻找的摘要。

我的预期输出应该有id，stage 是顺序中的最后一个阶段，flag 根据那个阶段。

     id stage flag 
  <int> <fct> <chr>
1     1 D     Dance
2     2 D     Dance
3     3 D     Dance
4     4 D     Dance
5     5 D     Dance

为了更清楚，我们假设id 1 和 2 在阶段 A，3 在 B，4 在 C，5 在 D。

toy <- expand.grid(id=c(1:5), stage = LETTERS[1:4]) %>%
 arrange(id) %>%
 group_by(id) %>%
 mutate(flag = case_when(str_detect(stage, "D") ~ "Dance",
                         str_detect(stage, "C") ~ "Climb",
                         str_detect(stage, "B") ~ "Biceps",
                         str_detect(stage, "A") ~ "Aerobic"))
# grabbing only some of them
toy <- toy[c(1, 5, 10, 15, 20),]

输出应如下所示：

     id stage flag   
  <int> <fct> <chr>  
1     1 A     Aerobic
2     2 A     Aerobic
3     3 B     Biceps 
4     4 C     Climb  
5     5 D     Dance

我可以重复id，我可以从那里总结一下。

Answer 1

您可以使用any（以及case_when 中的操作顺序在summarize 中获取您想要的flag。我们需要添加一点以保留stage。

expand.grid(id=c(1:5), stage = LETTERS[1:4]) %>%
  arrange(id) %>%
  group_by(id) %>%
  summarize(
   stage = intersect(c("D","C","B","A"), stage)[1],
   flag = case_when(any(str_detect(stage, "D")) ~ "Dance",
                    any(str_detect(stage, "C")) ~ "Climb",
                    any(str_detect(stage, "B")) ~ "Biceps",
                    any(str_detect(stage, "A")) ~ "Aerobic")
  )
# # A tibble: 5 x 3
#      id stage flag 
#   <int> <chr> <chr>
# 1     1 D     Dance
# 2     2 D     Dance
# 3     3 D     Dance
# 4     4 D     Dance
# 5     5 D     Dance

但是，使用left_join 的替代方法可以避免case_when 的分段操作。

acronyms <- data.frame(
  prio  = 1:4,
  stage = c("D", "C", "B", "A"),
  flag  = c("Dance", "Climb", "Biceps", "Aerobic")
)

expand.grid(id=c(1:5), stage = LETTERS[1:4]) %>%
  left_join(acronyms) %>%
  arrange(id, prio) %>%
  group_by(id) %>%
  slice(1) %>%
  select(-prio) %>%
  ungroup()

acronyms 中的基本stage/flag 关联基本上就足够了；我添加了prio，这是一种确定性且简单的方法，可以始终为每个id 获取最重要的信息。根据您的最终需求，这里可能还有其他有用的技巧。