根据另一列分配列值（拆分应用组合）

Question

我有

格式的数据

set.seed(40)
subject <- sample(c("mike", "john", "steve"), 20, replace = TRUE)
test1 <- sample(c("pos", "neg", "pos", "neg", "NA"), 20, replace = TRUE)
testdate <- Sys.Date() + sample(-1000:1000, 20, replace = FALSE)
mydf <- data.frame(subject, testdate, test1)
mydf$status <- "unknown"

对于每个主题，我想修改状态值，以便：a) 在获得 test1 的最早（按测试日期）pos 或 neg 结果之前，它仍然是未知的； b) 当获得第一个 pos test1 结果时，无论任何后续的 test1 值如何，该日期及之后的状态都会变为“in”； c) 如果在任何阳性结果之前 test1 出现阴性结果，则该日期和后续日期的状态变为“out”，直到获得任何阳性 test1 结果。对所有解决方案开放。我正在试验 dplyr，并且会对基于 dplyr 的解决方案特别感兴趣。

输出将是

subject testdate    test1   status
john    2014-11-20  neg negative
john    2015-07-29  neg negative
john    2015-11-10  neg negative
john    2017-04-08  neg negative
john    2018-09-18  NA  negative
mike    2014-09-01  pos positive
mike    2014-10-14  neg positive
mike    2015-03-22  neg positive
mike    2016-09-15  pos positive
mike    2017-08-18  neg positive
mike    2017-12-20  pos positive
mike    2018-09-06  NA  positive
mike    2019-09-02  neg positive
steve   2015-06-21  neg negative
steve   2016-01-03  pos positive
steve   2016-03-12  neg positive
steve   2017-06-26  neg positive
steve   2017-12-02  neg positive
steve   2018-12-20  pos positive
steve   2019-06-20  pos positive

Answer 1

这对于 group_by 和 mutate 来说相对简单。

首先修改测试结果为一个因素。这使它们成为 "ranked"，这样我们就可以知道 "highest" 结果是什么。因为您希望结果为 "Missing"、"Negative"、"Positive"，请按以下顺序设置级别：

mydf$test1 <-
  factor(mydf$test1
         , levels = c("NA", "neg", "pos")
         , ordered = TRUE)

接下来，创建一个向量，其中包含您在上述各项发生时要使用的标签。在文本中，您说您想要 in/out，但所需的输出使用 Negative/Positive。如果你想改变标签，在这里应该很容易做到：

statusLevels <-
  c("Unknown", "Negative", "Positive")

最后，我们可以将其应用于数据。首先，按日期排序，以确保测试结果按正确的顺序检查（我也是按主题排序，以使结果清晰并符合您的要求）。然后，按主题分组。最后，mutate 创建你想要的列。在这里，它检查到目前为止的 "biggest" 测试值（因此我们转换为一个因子）并为我们提供匹配的状态级别：

mydf %>%
  arrange(subject, testdate) %>%
  group_by(subject) %>%
  mutate(status = statusLevels[cummax(as.numeric(test1))])

Returns:

   subject   testdate test1   status
     <chr>     <date> <ord>    <chr>
1     john 2014-11-21   neg Negative
2     john 2015-07-30   neg Negative
3     john 2015-11-11   neg Negative
4     john 2017-04-09   neg Negative
5     john 2018-09-19    NA Negative
6     mike 2014-09-02   pos Positive
7     mike 2014-10-15   neg Positive
8     mike 2015-03-23   neg Positive
9     mike 2016-09-16   pos Positive
10    mike 2017-08-19   neg Positive
11    mike 2017-12-21   pos Positive
12    mike 2018-09-07    NA Positive
13    mike 2019-09-03   neg Positive
14   steve 2015-06-22   neg Negative
15   steve 2016-01-04   pos Positive
16   steve 2016-03-13   neg Positive
17   steve 2017-06-27   neg Positive
18   steve 2017-12-03   neg Positive
19   steve 2018-12-21   pos Positive
20   steve 2019-06-21   pos Positive

根据另一列分配列值（拆分应用组合）

Assign column value (split apply combine) based on another column

split-apply-combine

dplyr