在 R 中分组并创建列索引

Question

我有一个尝试一组数学问题的用户数据集。他们随机获得解决问题的提示 (hint.flag)。我想知道用户在看到问题中的第一个提示后，多快得到每个问题的 "correct" 答案（正确性）。首先，我需要创建某种索引来识别它们正在进行的 post 提示尝试。

data.input <- read_table2("user.id  problem.id  correctness hint.flag
540995  A   FALSE   1
540995  A   FALSE   0
540995  A   FALSE   1
540995  B   FALSE   1
540995  B   FALSE   1
540995  B   TRUE    0
540995  C   FALSE   1
540995  C   FALSE   1
540995  C   TRUE    0
540995  D   TRUE    0
565662  A   TRUE    0
565662  A   FALSE   1
565662  A   FALSE   0
565662  A   FALSE   1
565662  A   FALSE   1
565662  A   FALSE   0
565662  A   FALSE   0
565662  A   FALSE   0")

我要估算的列是 "post.hint.attempt"（参见 desired.output）。

desired.output <- read_table2("user.id  problem.id  correctness hint.flag   post.hint.attempt

540995  A   FALSE   1   
540995  A   FALSE   0   first
540995  A   FALSE   1   second
540995  B   FALSE   1   
540995  B   FALSE   1   first
540995  B   TRUE    0   second
540995  C   FALSE   1   
540995  C   FALSE   1   first
540995  C   TRUE    0   second
540995  D   TRUE    0   
565662  A   TRUE    0   
565662  A   FALSE   1   
565662  A   FALSE   0   first
565662  A   FALSE   1   second
565662  A   FALSE   1   third
565662  A   FALSE   0   fourth
565662  A   FALSE   0   fifth
565662  A   FALSE   0   sixth 
")

我什至不知道如何开始找到这个...我认为 row_id 可能有用，但需要通过出现提示来延迟尝试次数让我感到困惑。任何帮助都会很棒！！！

Answer 1

这不是您想要的输出，但您可以考虑将其作为一个选项

data.example %>% 
group_by(user.id, problem.id) %>%
 mutate(total_hints = cumsum(hint.flag), trial=1:n()) %>%
 summarise(hints = last(total_hints),
 trials = last(trial),
 correct = last(correctness))

产生

# Groups:   user.id [2]
  user.id problem.id hints trials correct
    <dbl> <chr>      <dbl>  <int> <lgl>  
1  540995 A              2      3 FALSE  
2  540995 B              2      3 TRUE   
3  540995 C              2      3 TRUE   
4  540995 D              0      1 TRUE   
5  565662 A              3      8 FALSE

更新

这更近了吗？首先创建一个密钥，然后绑定并进行数学计算

key <- data.example %>% group_by(user.id, problem.id) %>% mutate(trial=1:n()) %>% filter(hint.flag == 1) %>%
rename(hint_trial = trial)

left_join(data.example, key) %>% 
group_by(user.id, problem.id) %>%
 mutate(trial=1:n(),
 target = trial - first(hint_trial))

Answer 2

为了以防万一，这里是 tidyverse 的另一种方法。它涉及检查给定问题中的 row_number，如果它出现在第一个提示之后，则添加一个计数器值。然后添加此计数器的累计和。

（请注意，如果问题没有任何提示，您将收到警告。）

library(tidyverse)

data.input %>%
  group_by(user.id, problem.id) %>%
  mutate(count = ifelse(row_number() > min(which(hint.flag == 1)), 1, 0),
         post.hint.attempt = cumsum(count)) %>%
  select(-count)

输出

# A tibble: 18 x 5
# Groups:   user.id, problem.id [5]
   user.id problem.id correctness hint.flag post.hint.attempt
     <dbl> <chr>      <lgl>           <dbl>             <dbl>
 1  540995 A          FALSE               1                 0
 2  540995 A          FALSE               0                 1
 3  540995 A          FALSE               1                 2
 4  540995 B          FALSE               1                 0
 5  540995 B          FALSE               1                 1
 6  540995 B          TRUE                0                 2
 7  540995 C          FALSE               1                 0
 8  540995 C          FALSE               1                 1
 9  540995 C          TRUE                0                 2
10  540995 D          TRUE                0                 0
11  565662 A          TRUE                0                 0
12  565662 A          FALSE               1                 0
13  565662 A          FALSE               0                 1
14  565662 A          FALSE               1                 2
15  565662 A          FALSE               1                 3
16  565662 A          FALSE               0                 4
17  565662 A          FALSE               0                 5
18  565662 A          FALSE               0                 6

在 R 中分组并创建列索引

Group By and Create an Column Index in R

r

rowid

dplyr

更新