使用具有两个不同列 R 的滞后函数

Question

我有这样的数据。

data.input <-read_table2("user.id   problem.id  first.correct   cwa_prob    prob.seq    
540995  PRABNBZQ    0   1   problem.id.problem.1    
540995  PRABNBZ2    1   0   problem.id.problem.2    
540995  PRABNBZK    0   1   problem.id.problem.3    
540995  PRABNB2B    0   1   problem.id.problem.4    
540995  PRABNBWE    0   1   problem.id.problem.5    
565662  PRABNB2B    1   0   problem.id.problem.1    
565662  PRABNBZQ    1   1   problem.id.problem.2    
565662  PRABNBZ9    1   0   problem.id.problem.3    
565662  PRABNBZV    1   0   problem.id.problem.4    
565662  PRABNBWG    1   0   problem.id.problem.5    
")

我正在尝试使用滞后函数来比较两个单独列中标志的出现。我想看看一个人如何按顺序从一个问题到下一个问题。具体来说，如果cwa_prob对于problem.id.problem.1（用户540995）是1，那么first.correct==1 in problem.id.problem.2（用户540995).

我试过类似的方法，但它抛出了一个错误。

input.data %>% 
  group_by(user.id) %>% 
  mutate(post.cwa.correct=ifelse(cwa_prob==1 & lag(first.correct==1),1,0))

我希望我的输出看起来像这样：

data.output <-read_table2("user.id  problem.id  first.correct   cwa_prob    prob.seq    post.cwa.correct
540995  PRABNBZQ    0   1   problem.id.problem.1    NA
540995  PRABNBZ2    1   0   problem.id.problem.2    1
540995  PRABNBZK    0   1   problem.id.problem.3    NA
540995  PRABNB2B    0   1   problem.id.problem.4    0
540995  PRABNBWE    0   1   problem.id.problem.5    0
565662  PRABNB2B    1   0   problem.id.problem.1    1
565662  PRABNBZQ    1   1   problem.id.problem.2    NA
565662  PRABNBZ9    1   0   problem.id.problem.3    1
565662  PRABNBZV    1   0   problem.id.problem.4    NA
565662  PRABNBWG    1   0   problem.id.problem.5    NA
")

也许滞后函数不是最好的函数？任何帮助表示赞赏！

Answer 1

我运行一切，它工作正常。然而，您列出的想要的输出实际上并不符合您的标准......您想要

data.input %>% 
  group_by(user.id) %>% 
  mutate(post.cwa.correct=ifelse(cwa_prob==0, NA, ifelse(
    cwa_prob==1 & lead(first.correct==1),1,0)
  ))

但是，您将数据集列为 "data.input,"，但随后您使用的数据集列为 "input.data."

Answer 2

查看 lag 文档。有一个 order_by 参数决定了记录的排序顺序。

除非您发送此参数，否则 R 会对您的数据集使用 existing/default 顺序。所以不同的顺序会产生不同的答案。这可能解释了为什么您的代码不起作用，但@James 发现代码运行没问题。

input.data %>% 
  group_by(user.id) %>% 
  mutate(post.cwa.correct=ifelse(cwa_prob==1 & lag(first.correct==1, order_by = "prob.seq"),1,0))

请注意，由于 prob_seq 的格式很可能是字符，因此 order_by 子句将按字母顺序排序。这意味着 'problem.10' 将排在 'problem.2' 之前。因此，如果您的数据中出现这种情况，您需要提取问题编号并将其转换为数字。

Answer 3

根据您的描述，我认为这就是您想要的：

library(dplyr)

data.input %>%
  group_by(user.id) %>%
  mutate(post.cwa.correct = as.integer(first.correct == 1 & lag(cwa_prob) == 1))

当当前行有 first.correct = 1 而前一行有 cwa_prob = 1 时，这将给出值 1。

请注意，您不需要 ifelse(condition, 1, 0)，因为您可以通过将 TRUE/FALSE 值转换为整数来将它们转换为 1/0。同样在您的尝试中，您有 lag(first.correct==1) 不同于 lag(first.correct) ==1.

使用具有两个不同列 R 的滞后函数

Using the lag function with two different columns R

r

lag

dplyr