如何对角减去R中的不同列

Question

我有一个假设考试的数据集。

id <- c(1,1,3,4,5,6,7,7,8,9,9)
test_date <- c("2012-06-27","2012-07-10","2013-07-04","2012-03-24","2012-07-22", "2013-09-16","2012-06-21","2013-10-18", "2013-04-21", "2012-02-16", "2012-03-15")
result_date <- c("2012-07-29","2012-09-02","2013-08-01","2012-04-25","2012-09-01","2013-10-20","2012-07-01","2013-10-31", "2013-05-17", "2012-03-17", "2012-04-20")

data1 <- as_data_frame(id)
data1$test_date <- test_date
data1$result_date <- result_date

colnames(data1)[1] <- "id"

“id”表示参加特定考试的学生的ID。 “test_date”是学生参加考试的日期，“result_date”是公布学生成绩的日期。我有兴趣在考试结果公布之前找出哪些学生重新参加了考试，例如那些知道自己表现不佳并重新参加考试的学生，而无需费心找出自己的分数。例如，“id”为 1 的学生在“2012-07-10”第二次参加考试，这比他第一次考试的结果日期早 - “2012-07-29”。

我尝试过：

data1%>%
  group_by(id) %>%
  arrange(id, test_date) %>%
  filter(n() >= 2) %>% #To only get info on students who have taken the exam more than once and then merge it back in with the original data set using a join function

所以本质上，我想创建一个名为“re_test”的新列，如果学生在收到以前考试的结果之前重新参加考试，则它等于 1，否则为 0（那些在看到成绩后重新参加考试的人或那些没有重考）。

我试图通过从第一个 result_date 中减去第二个 test_date 来发现日期为正或负的情况：

mutate(data1, re_test = result_date - lead(test_date, default = first(test_date)))

但是，这会导致将不同身份的学生混淆。我尝试拆分，但 mutate 无法在数据帧列表上工作，所以现在我被卡住了：

split(data1, data1$id)

只是补充一下，这是预期结果的一部分：

  data2 <- as_data_frame(id <- c(1,1,3,4))
    data2$test_date_result <- c("2012-06-27","2012-07-10", "2013-07-04","2012-03-24")
    data2$result_date_result <- c("2012-07-29","2012-09-02","2013-08-01","2012-04-25")
    data2$re_test <- c(1, 0, 0, 0)

对冗长表示歉意，希望我足够清楚。

提前非常感谢！

Answer 1

 library(reshape2)
library(dplyr)

# first melt so that we can sequence by date 
data1m <- data1 %>% 
  melt(id.vars = "id", measure.vars = c("test_date", "result_date"), value.name = "event_date")

# any two tests in a row is a flag - use dplyr::lag to comapre the previous  
data1mc <- data1m %>%
  arrange(id, event_date) %>%
  group_by(id) %>%
  mutate (multi_test = (variable == "test_date" & lag(variable == "test_date"))) %>%
  filter(multi_test)

#      id  variable event_date multi_test
# 1     1 test_date 2012-07-10       TRUE
# 2     9 test_date 2012-03-15       TRUE

## join back to the original
data1 %>% 
  left_join (data1mc %>% select(id, event_date, multi_test), 
             by=c("id" = "id", "test_date" = "event_date")) 

Answer 2

我有一个可能对你有用的分段答案。我首先创建一个名为student 的data.frame，其中包含重新测试信息，然后将其与data1 对象连接。如果学生多次重考，它会将最后一次测试与第一次进行比较，这是一个缺陷，但我不确定学生是否有能力多次重新测试？

student <- data1 %>% 
  group_by(id) %>% 
  summarise(retest=(test_date[length(test_date)] < result_date[1]) == TRUE)

一些重新测试的值是 NA。这些人只参加了一次测试。我在这里将这些设置为 FALSE，但您可以保留 NA，因为它们确实包含信息。

student$retest[is.na(student$retest)] <- FALSE

将两个 data.frame 连接到一个名为 data2 的对象中。

data2 <- left_join(data1, student, by='id')

Answer 3

我相信有更优雅的方法来解决这个问题。我通过利用您的数据结构（按 id 排序）和在处理当前记录时可以引用以前记录的 lag 函数来做到这一点。

### Ensure Data are sorted by ID ###
  data1 <- arrange(data1,id)
### Create Flag for those that repeated ###
  data1$repeater <- ifelse(lag(data1$id) == data1$id,1,0)
### I chose to do this on all data, you could filter on repeater flag first ###
  data1$timegap <- as.Date(data1$result_date) - as.Date(data1$test_date)
  data1$lagdate <- as.Date(data1$test_date) - lag(as.Date(data1$result_date))
### Display results where your repeater flag is 1 and there is negative time lag ###
  data1[data1$repeater==1 & !is.na(data1$repeater) & as.numeric(data1$lagdate) < 0,]

# A tibble: 2 × 6
     id  test_date result_date repeater timegap  lagdate
  <dbl>      <chr>       <chr>    <dbl>  <time>   <time>
1     1 2012-07-10  2012-09-02        1 54 days -19 days
2     9 2012-03-15  2012-04-20        1 36 days  -2 days

Answer 4

我进行了简单的班次比较。 1行代码。

data1 <- data.frame(id = c(1,1,3,4,5,6,7,7,8,9,9), test_date = c("2012-06-27","2012-07-10","2013-07-04","2012-03-24","2012-07-22", "2013-09-16","2012-06-21","2013-10-18", "2013-04-21", "2012-02-16", "2012-03-15"), result_date = c("2012-07-29","2012-09-02","2013-08-01","2012-04-25","2012-09-01","2013-10-20","2012-07-01","2013-10-31", "2013-05-17", "2012-03-17", "2012-04-20"))

data1$re_test <- unlist(lapply(split(data1,data1$id), function(x) 
  ifelse(as.Date(x$test_date) > c(NA, as.Date(x$result_date[-nrow(x)])), 0, 1)))

data1
   id  test_date result_date re_test
1   1 2012-06-27  2012-07-29      NA
2   1 2012-07-10  2012-09-02       1
3   3 2013-07-04  2013-08-01      NA
4   4 2012-03-24  2012-04-25      NA
5   5 2012-07-22  2012-09-01      NA
6   6 2013-09-16  2013-10-20      NA
7   7 2012-06-21  2012-07-01      NA
8   7 2013-10-18  2013-10-31       0
9   8 2013-04-21  2013-05-17      NA
10  9 2012-02-16  2012-03-17      NA
11  9 2012-03-15  2012-04-20       1

我认为离开 NA 有好处，但如果你真的希望所有其他人都为零，只需：

data1$re_test <- ifelse(is.na(data1$re_test), 0, data1$re_test)
data1
   id  test_date result_date re_test
1   1 2012-06-27  2012-07-29       0
2   1 2012-07-10  2012-09-02       1
3   3 2013-07-04  2013-08-01       0
4   4 2012-03-24  2012-04-25       0
5   5 2012-07-22  2012-09-01       0
6   6 2013-09-16  2013-10-20       0
7   7 2012-06-21  2012-07-01       0
8   7 2013-10-18  2013-10-31       0
9   8 2013-04-21  2013-05-17       0
10  9 2012-02-16  2012-03-17       0
11  9 2012-03-15  2012-04-20       1

如果您有任何问题，请告诉我，干杯。