为不同变量的第一个非 NA 创建一个为 0 的变量，然后为其他值从 0 向上/向下计数*按*第三个变量分组答案

【问题标题】：Create a variable that is 0 for the first non-NA of a different variable, then counts up/down from 0 for other values *grouped by* a third variable为不同变量的第一个非 NA 创建一个为 0 的变量，然后为其他值从 0 向上/向下计数*按*第三个变量分组
【发布时间】：2019-03-12 08:30:18
【问题描述】：

我有以下df：

df <- tibble(country = c("US", "US", "US", "US", "US", "US", "US", "US", "US", "Mex", "Mex"),
         year = c(1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2000, 2001),
         score = c(NA, NA, NA, NA, 426, NA, NA, 430, NA, 450, NA))

我想做的：创建一个新变量years_from_implementation，即0一个国家/地区的第一年有score的非NA值，代表年数从 0 表示所有其他值。

换句话说，硬编码，我希望它返回以下df：

df <- tibble(country = c("US", "US", "US", "US", "US", "US", "US", "US", "US", "Mex", "Mex"),
         year = c(1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2000, 2001),
         score = c(NA, NA, NA, NA, 426, NA, NA, 430, NA, 450, NA),
         years_from_implementation = c(-4,-3,-2,-1,0,1,2,3,4,0,1))

这一切都是在按country分组时完成的。

我尝试将df <- mutate(df, before_after = case_when(!is.na(score) ~ 0)) 与fill 命令结合起来，但没有任何动作。

Tidyverse 解决方案将是首选，但我们将非常感谢任何帮助。

提前致谢！

【问题讨论】：

标签： r conditional-statements tidyr dplyr

【解决方案1】：

这是一个dplyr 选项

library(dplyr)
df %>%
    group_by(country) %>%
    mutate(years_from_implementation = 1:n() - which(score == first(score[!is.na(score)]))) %>%
    ungroup()
## A tibble: 11 x 4
#   country  year score years_from_implementation
#   <chr>   <dbl> <dbl>                     <int>
# 1 US       1999    NA                        -4
# 2 US       2000    NA                        -3
# 3 US       2001    NA                        -2
# 4 US       2002    NA                        -1
# 5 US       2003   426                         0
# 6 US       2004    NA                         1
# 7 US       2005    NA                         2
# 8 US       2006   430                         3
# 9 US       2007    NA                         4
#10 Mex      2000   450                         0
#11 Mex      2001    NA                         1

【讨论】：

这是非凡的。所以，太好了；完全符合我的需要并使用完全可读的逻辑。谢谢，莫里茨！
不客气@wscampbell；很高兴它有帮助。
不错的答案！应该能够将其减少到df %>% group_by(country) %>% mutate(years_from_implementation = 1:n() - which.max(!is.na(score)))
这很好@RonakShah；起初我不确定which.max 为何起作用，因此必须逐步运行您的代码才能意识到which.max 通过报告第一次出现来打破联系。聪明。
这个 Maurits-@RonakShah 混合解决方案似乎是最好的：score_df <- score_df %>% arrange(country, year) %>% group_by(country) %>% mutate(years_from_imp = 1:n() - which.max(!is.na(score))) %>% ungroup() 我应该编辑/计算哪个作为最终解决方案？！

【解决方案2】：

我们可以找出第一个非NA score 出现的行索引，然后为每个组创建一个从1 - index 到n() - index 的序列。

library(dplyr)

df %>%
   group_by(country) %>%
   mutate(index = which.max(!is.na(score)), 
          years_from_implementation = (1 - index[1]):(n() - index[1])) %>%
   select(-index)

# country  year score years_from_implementation
#   <chr>   <dbl> <dbl>                     <int>
# 1 US       1999    NA                        -4
# 2 US       2000    NA                        -3
# 3 US       2001    NA                        -2
# 4 US       2002    NA                        -1
# 5 US       2003   426                         0
# 6 US       2004    NA                         1
# 7 US       2005    NA                         2
# 8 US       2006   430                         3
# 9 US       2007    NA                         4
#10 Mex      2000   450                         0
#11 Mex      2001    NA                         1

【讨论】：