每次在一组观察中出现时，我如何要求 R 标记特定模式（即列值从 1 变为 0）？
How can I ask R to flag a specific pattern (i.e., column value changes from 1 to 0) each time it occurs within a group of observations?
下面的 reprex 模仿了我的数据：对于每个人，我在不同时间有不同的 'res' 值。我需要一个指示变量 ('flag') 来告诉我每次 'res' 在给定的人中从 1 变为 0，并且我希望 'flag' 第一次等于 1（并且第一次 只有) 'res'= 0 在 'res' = 1 之后。最后，我想计算 'flag' = 1 的次数每个人。
我的代码有两个问题：
- 它每次在 'res'= 1 之后标记 'res' = 0（但我需要 'flag'= 1 only 第一次'res'=0).
- 计算次数 'flag' = 1 不起作用。
注：最后的'res_next_time'必然是NA。根据我的数据定义，我永远不会在这里有 'flag'=1，所以它默认为 0 没关系。
感谢您的帮助！
#Load packages
library(Hmisc)
#> Loading required package: lattice
#> Loading required package: survival
#> Loading required package: Formula
#> Loading required package: ggplot2
#>
#> Attaching package: 'Hmisc'
#> The following objects are masked from 'package:base':
#>
#> format.pval, units
library(dplyr)
#> Warning: package 'dplyr' was built under R version 4.0.4
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:Hmisc':
#>
#> src, summarize
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library(tidyr)
#> Warning: package 'tidyr' was built under R version 4.0.5
#Create data set
person <- c(1, 1, 1, 2, 3, 3, 3, 3, 3, 3)
time <- c(1, 2, 3, 1, 2, 1, 2, 3, 4, 5)
res <- c(1, 0, 1, 1, 1, 0, 0, 1, 0, 1)
#Populate data frame
d <- cbind(person, time, res)
d <- as.data.frame(d)
#Create new variable equal to 'res' at the person's next time point
d$res_next_time <- Lag(d$res, -1)
#Group times by person
d %>%
group_by(person) %>%
#Create a new variable 'flag' = 1 when a person's 'res' changes from 1 to 0, and 'flag' = 0 otherwise
mutate(flag = case_when(res_next_time < 1 ~ 1, TRUE ~ 0)) %>%
#Because 'flag'= 1 is at the time of 'res'= 1 before 'res'= 0, we lag it to have 'flag' = 1 at 'res' = 0
mutate(flag_res0 = Lag(flag, +1)) %>%
#Replace the NAs in 'flag_res0' with 0
replace_na(list(flag_res0 = 0)) %>%
#mutate(flag_res0 = as.numeric(flag_res0 & cumsum(flag_res0) <= 1)) %>%
#Count number of flags per person
mutate(mig_freq = sum(flag_res0)) %>%
#Limit the data to only include the final indicator
select('person', 'time', 'res', 'flag_res0')
#> # A tibble: 10 x 4
#> # Groups: person [3]
#> person time res flag_res0
#> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 1 0
#> 2 1 2 0 1
#> 3 1 3 1 0
#> 4 2 1 1 0
#> 5 3 2 1 0
#> 6 3 1 0 1
#> 7 3 2 0 1
#> 8 3 3 1 0
#> 9 3 4 0 1
#> 10 3 5 1 0
由 reprex package (v0.3.0)
于 2021-04-15 创建
这里给出分两步解决问题的方案：
- 使用dplyr的
lag函数计算res的前一个值，而不是res的下一个值。我们在分组数据框中执行此操作，因此 res_last_time 的第一个值对于每个人都是 NA。
- 在分组数据框中使用
cumsum只为每个人保留第一个标志=1。
d %>%
group_by(person) %>%
mutate(res_last_time = lag(res, 1)) %>%
mutate(flag = res == 0 & res_last_time == 1) %>%
mutate(flag = as.numeric(flag & cumsum(flag) <= 1))
使用相同的 d data.frame，这是我得到的结果：
#> # A tibble: 10 x 5
#> # Groups: person [3]
#> person time res res_last_time flag
#> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 1 NA 0
#> 2 1 2 0 1 1
#> 3 1 3 1 0 0
#> 4 2 1 1 NA 0
#> 5 3 2 1 NA 0
#> 6 3 1 0 1 1
#> 7 3 2 0 0 0
#> 8 3 3 1 0 0
#> 9 3 4 0 1 0
#> 10 3 5 1 0 0
由 reprex package (v1.0.0)
于 2021-04-15 创建
我的解决方案不需要 res_next_time 列。我认为@Paul PR 更简洁。
# using your data d
d %>%
group_by(person) %>%
mutate(flag2 = if_else(lag(res) == 1 & res == 0 &
!(duplicated(lag(res) == 1 & res == 0)),1, 0, 0))
你可以在最后加上ungroup()。这可能很重要，具体取决于接下来会发生什么。这基本上是 'if TRUE TRUE and not duplicated, then...'
您的评论表明您不是在寻找第一次出现，而是在组内出现的任何一次。
其实就简单多了。
(d %>%
group_by(person) %>%
mutate(flag = if_else(lag(res) == 1 & res == 0, 1, 0, 0)))
输出如下所示。 （我在您的示例数据末尾添加了数据以显示我出现的情况。）
# # A tibble: 13 x 4
# # Groups: person [3]
# person time res flag
# <dbl> <dbl> <dbl> <dbl>
# 1 1 1 1 0
# 2 1 2 0 1
# 3 1 3 1 0
# 4 2 1 1 0
# 5 3 2 1 0
# 6 3 1 0 1
# 7 3 2 0 0
# 8 3 3 1 0
# 9 3 4 0 1
# 10 3 5 1 0
# 11 3 6 0 1
# 12 1 7 1 0
# 13 1 8 0 1
下面的 reprex 模仿了我的数据：对于每个人，我在不同时间有不同的 'res' 值。我需要一个指示变量 ('flag') 来告诉我每次 'res' 在给定的人中从 1 变为 0，并且我希望 'flag' 第一次等于 1（并且第一次 只有) 'res'= 0 在 'res' = 1 之后。最后，我想计算 'flag' = 1 的次数每个人。
我的代码有两个问题：
- 它每次在 'res'= 1 之后标记 'res' = 0（但我需要 'flag'= 1 only 第一次'res'=0).
- 计算次数 'flag' = 1 不起作用。
注：最后的'res_next_time'必然是NA。根据我的数据定义，我永远不会在这里有 'flag'=1，所以它默认为 0 没关系。
感谢您的帮助！
#Load packages
library(Hmisc)
#> Loading required package: lattice
#> Loading required package: survival
#> Loading required package: Formula
#> Loading required package: ggplot2
#>
#> Attaching package: 'Hmisc'
#> The following objects are masked from 'package:base':
#>
#> format.pval, units
library(dplyr)
#> Warning: package 'dplyr' was built under R version 4.0.4
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:Hmisc':
#>
#> src, summarize
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library(tidyr)
#> Warning: package 'tidyr' was built under R version 4.0.5
#Create data set
person <- c(1, 1, 1, 2, 3, 3, 3, 3, 3, 3)
time <- c(1, 2, 3, 1, 2, 1, 2, 3, 4, 5)
res <- c(1, 0, 1, 1, 1, 0, 0, 1, 0, 1)
#Populate data frame
d <- cbind(person, time, res)
d <- as.data.frame(d)
#Create new variable equal to 'res' at the person's next time point
d$res_next_time <- Lag(d$res, -1)
#Group times by person
d %>%
group_by(person) %>%
#Create a new variable 'flag' = 1 when a person's 'res' changes from 1 to 0, and 'flag' = 0 otherwise
mutate(flag = case_when(res_next_time < 1 ~ 1, TRUE ~ 0)) %>%
#Because 'flag'= 1 is at the time of 'res'= 1 before 'res'= 0, we lag it to have 'flag' = 1 at 'res' = 0
mutate(flag_res0 = Lag(flag, +1)) %>%
#Replace the NAs in 'flag_res0' with 0
replace_na(list(flag_res0 = 0)) %>%
#mutate(flag_res0 = as.numeric(flag_res0 & cumsum(flag_res0) <= 1)) %>%
#Count number of flags per person
mutate(mig_freq = sum(flag_res0)) %>%
#Limit the data to only include the final indicator
select('person', 'time', 'res', 'flag_res0')
#> # A tibble: 10 x 4
#> # Groups: person [3]
#> person time res flag_res0
#> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 1 0
#> 2 1 2 0 1
#> 3 1 3 1 0
#> 4 2 1 1 0
#> 5 3 2 1 0
#> 6 3 1 0 1
#> 7 3 2 0 1
#> 8 3 3 1 0
#> 9 3 4 0 1
#> 10 3 5 1 0
由 reprex package (v0.3.0)
于 2021-04-15 创建这里给出分两步解决问题的方案：
- 使用dplyr的
lag函数计算res的前一个值，而不是res的下一个值。我们在分组数据框中执行此操作，因此res_last_time的第一个值对于每个人都是 NA。 - 在分组数据框中使用
cumsum只为每个人保留第一个标志=1。
d %>%
group_by(person) %>%
mutate(res_last_time = lag(res, 1)) %>%
mutate(flag = res == 0 & res_last_time == 1) %>%
mutate(flag = as.numeric(flag & cumsum(flag) <= 1))
使用相同的 d data.frame，这是我得到的结果：
#> # A tibble: 10 x 5
#> # Groups: person [3]
#> person time res res_last_time flag
#> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 1 NA 0
#> 2 1 2 0 1 1
#> 3 1 3 1 0 0
#> 4 2 1 1 NA 0
#> 5 3 2 1 NA 0
#> 6 3 1 0 1 1
#> 7 3 2 0 0 0
#> 8 3 3 1 0 0
#> 9 3 4 0 1 0
#> 10 3 5 1 0 0
由 reprex package (v1.0.0)
于 2021-04-15 创建我的解决方案不需要 res_next_time 列。我认为@Paul PR 更简洁。
# using your data d
d %>%
group_by(person) %>%
mutate(flag2 = if_else(lag(res) == 1 & res == 0 &
!(duplicated(lag(res) == 1 & res == 0)),1, 0, 0))
你可以在最后加上ungroup()。这可能很重要，具体取决于接下来会发生什么。这基本上是 'if TRUE TRUE and not duplicated, then...'
您的评论表明您不是在寻找第一次出现，而是在组内出现的任何一次。
其实就简单多了。
(d %>%
group_by(person) %>%
mutate(flag = if_else(lag(res) == 1 & res == 0, 1, 0, 0)))
输出如下所示。 （我在您的示例数据末尾添加了数据以显示我出现的情况。）
# # A tibble: 13 x 4
# # Groups: person [3]
# person time res flag
# <dbl> <dbl> <dbl> <dbl>
# 1 1 1 1 0
# 2 1 2 0 1
# 3 1 3 1 0
# 4 2 1 1 0
# 5 3 2 1 0
# 6 3 1 0 1
# 7 3 2 0 0
# 8 3 3 1 0
# 9 3 4 0 1
# 10 3 5 1 0
# 11 3 6 0 1
# 12 1 7 1 0
# 13 1 8 0 1