根据条件求和或代入

Question

我有一个编码障碍，我不知道该怎么做。

我的数据集看起来像这样

df <- data.frame("id" = c("id1", "id1", "id1", "id1", "id2", "id2","id2","id2"), 
                 "time" = c(1,2,4,5,2,3,4,6),
                 "Treatmentid" = c("1", "2", "1a","3", "1", "4","4a","3"), 
                 "Val" = c(2,3,5,1,2,7,4,1))

其中“id”表示受试者，“Treatmentid”表示受试者正在接受的治疗，“Val”是治疗的值。

通常，治疗会随着时间的推移而持续存在，因此我想对每个人进行汇总，以计算每个时间点接受的总治疗。

问题在于，一些用“a”表示的处理实际上是替代的，而不是添加到没有 a 的处理中。

因此我希望我的最终数据集看起来像这样

final <- data.frame("id" = c("id1", "id1", "id1", "id1", "id2", "id2","id2","id2"), 
                 "time" = c(1,2,4,5,2,3,4,6),
                 "Treatmentid" = c("1", "2", "1a","3", "1", "4","4a","3"), 
                 "Val" = c(2,3,5,1,2,7,4,1),
                 "totVal" = c(2,5,8,9,2,9,6,7))

因此，对不同的“Treatmentid”（即时间 2 的 id1，totVal= 2+3= 5）求和总计值。 当修改处理时它们被替换（即对于时间 4 的 id1，totVal= 5+3= 8）。此处，“Treatmentid 1a”(5) 的值替换了“Treatmentid 1”(2) 的值。

我希望这很清楚。

提前感谢大家的帮助

Answer 1

这是我如何实现你想要的逻辑。这非常复杂，在大型数据集上可能需要很长时间。如果有人可以改进我的解决方案，我很乐意提供帮助。

library(dplyr) # for bind_rows function

首先，我们通过第一列中的id 组将数据框分成两部分。这给出了两个数据帧的列表。然后，我们将遍历此列表以获取总和。

mylist <- split(df, f = df$id)

接下来我们启动 for 循环中需要的变量。我们需要一个列表来跟踪原始 ID，我们需要一个列表来跟踪总和。我们还需要一个用于提取值的索引器，我们还需要另一个用于数据帧列表的索引器，分别为x 和df_num。

ids <- list()
vals <- list()

x <- 1

df_num <- 1

在下面的代码中，嵌套的 for 循环用于计算 Treatmentid 的滚动和。循环遍历mylist 中的每个元素，然后有一个嵌套的for 循环遍历Treatmentid 列中的每个值。

对于第一行，总和等于值。因此，此处使用 if 测试来检查 for 循环的当前迭代是否等于 Treatmentid 列中的第一个值。如果是，那么第一个总和正好等于my_df$Val 中的第一个值。然后保存 id，for 索引器递增，for 循环进入下一次迭代。

之后，我使用grepl 来检查Treatmentid 中的值是否没有字母。如果测试评估为TRUE，则意味着其中没有“a”，因此没有替换。因此，总和正常进行。如果它是FALSE，那么其中有一个“a”，因此它是一个替换。 'a' 部分被删除，只留下数字，然后我们在 id 列表中搜索数字等于 id 号的位置，我们获取索引并将其保存到a。这将是具有要在原始数据中替换的值的行的索引。我们减去它并添加替换值。

最后，在内部循环之外，我们将值取消列出到名为totval 的新列中。然后这个数据框被保存到mylist。

for (my_df in mylist) {

  x <- 1

  for (j in my_df$Treatmentid) {

    if (j == my_df$Treatmentid[1]) {
      vals[[1]] <- my_df$Val[1]
      ids[[x]] <- j
      x <- x + 1
      next
    }
      if (grepl("^[[:digit:]]+$",j)==TRUE) {

      ids[[x]] <- j

      vals[[x]] <- vals[[x-1]] + my_df$Val[x]
      x <- x + 1

    } else {

      a <- which(sapply(ids, function(y) substr(j, 1, nchar(j)-1) %in% y))
      vals[[x]] <- vals[[x-1]] - my_df$Val[a] + my_df$Val[x]
      x <- x + 1

    }
  }

  my_df$totVal <- unlist(vals)
  mylist[[df_num]] <- my_df
  df_num <- df_num + 1
  }

循环完成后，将数据帧列表转换为带有bind_rows() 和dplyr 的完整数据帧。

Final <- bind_rows(mylist)

我将您想要的输出保存到final，并检查循环中创建的数据帧是否等于您使用identical() 想要的输出，结果是TRUE。

identical(Final, final)
[1] TRUE