从原始数据创建队列辍学率表

Question

我需要帮助从原始数据创建一个同期群退出表。

我有一个如下所示的数据集：

DT<-data.table(
id =c (1,2,3,4,5,6,7,8,9,10,
     11,12,13,14,15,16,17,18,19,20,
     21,22,23,24,25,26,27,28,29,30,31,32,33,34,35),
year =c (2014,2014,2014,2014,2014,2014,2014,2014,2014,2014,
       2015,2015,2015,2015,2015,2015,2015,2015,2015,2015,
   2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016),
cohort =c(1,1,1,1,1,1,1,1,1,1,
        2,2,2,1,1,2,1,2,1,2,
        1,1,3,3,3,2,2,2,2,3,3,3,3,3,3))

我想按群组计算辍学率，得到一个这样的表格：

cohortdt<-data.table(
cohort =c(1,2,3),
drop_rateY1 =c(.60,0.0,0.0),
droprate_Y2 =c (.50,.33,0.0))

对于队列 1，Y1 年末的辍学率为 60%。 （即最初入学的学生中有 60% 在第 1 年末辍学。Y2 中的值表示在第 1 年末留校的学生中有 50% 在第 2 年末辍学。

如何根据原始数据创建这样的表？

Answer 1

这是一种解决方案：

library(tidyverse)

DT %>% 
  group_by(year) %>% 
  count(cohort) %>% 
  ungroup() %>% 
  spread(year, n) %>% 
  mutate(year_1_drop_rate = 1 - (`2015` / `2014`),
         year_2_drop_rate = 1 - (`2016` / `2015`)) %>% 
  replace_na(list(year_1_drop_rate = 0.0,
                  year_2_drop_rate = 0.0)) %>% 
  select(cohort, year_1_drop_rate, year_2_drop_rate)

返回：

# A tibble: 3 x 3
  cohort year_1_drop_rate year_2_drop_rate
   <dbl>            <dbl>            <dbl>
1      1              0.6        0.5000000
2      2              0.0        0.3333333
3      3              0.0        0.0000000

1. group 按年份
2. count 按年级分组
3. ungroup
4. spread 2014、2015 和 2016 列中的年份
5. mutate 两次获取第一年和第二年的辍学率
6. replace_na转0
7. select 队列、year_1_drop_rate 和 year_2_drop_rate

此解决方案采用 tidy 数据集，并通过分散年份变量使其untidy（即 2014、2015 和 2016 是单独的列）。

Answer 2

我有一个简单的 data.table 解决方案：

x <- DT[,.N, by = .(cohort,year)]

计算每个队列每年的学生人数并创建新的 data.table x

x[,drop := (1-N/(c(NA,N[-.N])))*100,by = cohort]

在这里，我计算学生人数与之后一年的学生人数之间的比率（c(NA,N[-.N]) 是 N 的移位向量），即每个学生流失的百分比年份

x[,.SD,by = cohort]
   cohort year  N     drop
1:      1 2014 10       NA
2:      1 2015  4 60.00000
3:      1 2016  2 50.00000
4:      2 2015  6       NA
5:      2 2016  4 33.33333
6:      3 2016  9       NA

希望对你有帮助