如何根据时间变量识别 data.frame 中的唯一行和唯一观察值

Question

我有以下数据：

d <- data.frame(id=c(1,2,3,4,5,6,7), 
             year=c(1999,1999,1999,2000,2000,2000,2000), 
             var1=c(1,1,2,1,4,1,8),
             var2=c(1,1,2,1,5,2,0),
             var3=c(0,0,0,0,7,0,0))

> d
  id year var1 var2 var3
1  1 1999    1    1    0
2  2 1999    1    1    0
3  3 1999    2    2    0
4  4 2000    1    1    0
5  5 2000    4    5    7
6  6 2000    1    2    0
7  7 2000    8    0    0

我想评估 data.frame 的每一行并在名为“comb”的新变量中返回一个分数。

如果一行包含 var1-var3 之间的组合，即：

• 前几年从未观察到（但元素是）-->assign comb=1
• 包含一个前几年从未见过的元素-->assign comb=2
• 前几年从未观察到并拥有一个新元素-->assign comb=3
• 往年观察-->assign comb=0

一些旁注：

• 出现的顺序无关紧要 (1,1,2 == 1,2,1)
• 同一年的重复组合可能被标记为相同

在示例数据中，应如下所示：

d2 <- data.frame(id=c(1,2,3,4,5,6,7), 
            year=c(1999,1999,1999,2000,2000,2000,2000), 
            var1=c(1,1,2,1,4,1,8),
            var2=c(1,1,2,1,5,2,0),
            var3=c(0,0,0,0,7,0,0),
            comb=c(3,3,3,0,3,1,2))
> d2
  id year var1 var2 var3 comb
1  1 1999    1    1    0    3
2  2 1999    1    1    0    3
3  3 1999    2    2    0    3
4  4 2000    1    1    0    0
5  5 2000    4    5    7    3
6  6 2000    1    2    0    1
7  7 2000    8    0    0    2

请注意，第二行指定为 comb=3，因为这是我们观察到该组合的第一年。如果此观测值是 year=200（如第 4 行），则分配为零。

这可能吗？非常感谢任何帮助！

Answer 1

可能有更好的方法来做到这一点，但这里有一个可能的策略。首先，您可以创建一个由var1...var3 组合而成的字符串，如下所示：

> d2$var123 <- paste(d2$var1, d2$var2, d2$var3, sep="-")
> d2
  id year var1 var2 var3 var123
1  1 1999    1    1    0  1-1-0
2  2 1999    1    1    0  1-1-0
3  3 1999    2    2    0  2-2-0
4  4 2000    1    1    0  1-1-0
5  5 2000    4    5    7  4-5-7
6  6 2000    1    2    0  1-2-0
7  7 2000    8    0    0  8-0-0

此时，您可以简单地 (1) 循环所有元素； (2) 检查var 值是否出现在var123 或所有先前var1...var3 列的列表中，然后相应地分配您的comb 值。这是一段伪代码：

d2$comb <- 0  # Initialize column
for (i in unique(d2$id)) {
    previous <- subset(d2, d2$id < i) # All the years before
    current <- subset(d2, d2$id == i) # The current row
    previous_vals <- unique(c(previous$var1, previous$var2, previous$var3)) 
    previous_combos <- unique(previous$var123)

    if (i$var1 %in% previous_vals | i$var1 %in% previous_vals... ) {
        d2$comb([d2$id==1] <- 1
    }
    if (i$var123) %in% previous_combos {
        d2$comb[d2$id==i] <- 0
    }
    .... # Rest of conditions here 
}