根据顺序行值创建新数据框

Question

我有一个名字和年份的数据框，有一个虚拟变量来表示名字是否出现在一年中。

我正在尝试创建一个数据框来告诉我

1. 当年出现的名字总数，
1. 当年出现而前年未出现的数量

在下面的例子中，2017 年只有一个人（Terry）出现，而前一年没有出现，因此 total 和 new 都是 1。2018 年出现了三个人，但只有两个是新人，因为 Terry 出现了在前一年。如果有人在2017年和2019年出现，但在2018年没有出现，那么他们应该被归类为2019年的新人。

例子

   Name x2017 x2018 x2019
1 Terry     1     1     0
2   Sam     0     0     1
3   Nic     0     1     1
4 Sarah     0     1     1

代码

data.frame(
  Name = c("Terry", "Sam", "Nic", "Sarah"), 
  x2017 = c(1, 0, 0, 0), 
  x2018 = c(1, 0, 1, 1), 
  x2019 = c(0, 1, 1, 1)
  )

我正在尝试创建的输出

  Year Total New
1 2017     1   1
2 2018     3   2
3 2019     3   1

我试过过滤和使用行总和，但我觉得有一个我不知道的函数可以做到这一点。

谢谢！

Answer 1

也许这就是您要找的：

重塑为长格式，例如使用tidy::pivot_longer
分组 Name 并利用 dplyr::lag 添加一个人是否是新人的指标
按年份汇总

d <- data.frame(
  Name = c("Terry", "Sam", "Nic", "Sarah"), 
  x2017 = c(1, 0, 0, 0), 
  x2018 = c(1, 0, 1, 1), 
  x2019 = c(0, 1, 1, 1)
) 

library(dplyr)
library(tidyr)

d %>% 
  tidyr::pivot_longer(-Name, names_to = "year") %>% 
  mutate(year = gsub("^x", "", year)) %>%
  group_by(Name) %>% 
  mutate(new = as.numeric(value == 1 & lag(value) == 0),
         new = ifelse(is.na(new), value, new)) %>% 
  ungroup() %>% 
  group_by(year) %>% 
  summarise(total = sum(value), new = sum(new))
#> # A tibble: 3 x 3
#>   year  total   new
#>   <chr> <dbl> <dbl>
#> 1 2017      1     1
#> 2 2018      3     2
#> 3 2019      3     1

Answer 2

mutate(new = as.numeric(values == 1 & lag(values) == 0), new = ifelse(is.na(new), values, new)) %>%部分来自 stefan （感谢他，谢谢斯特凡）。区别是parse_number

library(tidyverse)
df %>% 
  pivot_longer(
    cols = -Name,
    names_to = "Year", 
    values_to = "values"
  ) %>% 
  mutate(Year = parse_number(Year)) %>% 
  mutate(new = as.numeric(values == 1 & lag(values) == 0),
         new = ifelse(is.na(new), values, new)) %>% 
  group_by(Year) %>% 
  summarise(Total = sum(values), New = sum(new))

输出：

   Year Total   New
* <dbl> <dbl> <dbl>
1  2017     1     1
2  2018     3     2
3  2019     3     1

Answer 3

更新 02 我很抱歉，因为我不得不修改我的解决方案，因为我意识到只有当一个名字在前一年出现时，它才不被认为是新的，所以您也可以将它用于您的样本数据和页面下方显示的数据：

library(dplyr)
library(purrr)


df %>% 
  summarise(across(2:4, ~ sum(.x))) %>%
  bind_cols() %>% 
  pivot_longer(everything(), names_to = "Year", values_to = "Total", 
               names_prefix = "x") %>%
  left_join(df %>% select(2:4) %>% pmap_dfr(~ {x <- c(...); x - lag(x, default = 0)}) %>% 
              summarise(across(everything(), ~ sum(.x == 1))) %>% 
              pivot_longer(everything(), names_to = "Year", values_to = "New", 
                           names_prefix = "x"), 
            by = "Year")
 

# A tibble: 3 x 3
  Year  Total   New
  <chr> <dbl> <dbl>
1 2017      1     1
2 2018      3     2
3 2019      3     1

Answer 4

case-I 当只需要检查前一行的记录时。

df %>%
  pivot_longer(!Name, names_to = 'Year', names_prefix = 'x') %>%
  group_by(Year) %>%
  summarise(total = sum(value),
            new = list(Name[value == 1]), .groups = 'drop') %>%
  mutate(new = map2_int(new, lag(new), ~ sum(!(.x %in% .y))))

# A tibble: 3 x 3
  Year  total   new
  <chr> <dbl> <int>
1 2017      1     1
2 2018      3     2
3 2019      3     1

情况 II，当记录必须查看所有以前的行时。同时使用 map_* 和 accumulate。采用的策略-

pivot_longer先。使用 names_prefix 参数

x

group_by 当年
在 list

n()

mutate new using map2_int 仅将第一个参数作为该列表，将第二个参数作为 accumulated 和 lagged 列表。
map2_int 从而计算该行中 TRUE 的总数。


library(tidyverse)
df %>%
  pivot_longer(!Name, names_to = 'Year', names_prefix = 'x') %>%
  group_by(Year) %>%
  summarise(total = sum(value),
         new = list(Name[value == 1]), .groups = 'drop') %>%
  mutate(new = map2_int(new, lag(accumulate(new, union, .init = first(new))[-1]), ~ sum(!(.x %in% .y))))

#> # A tibble: 3 x 3
#>   Year  total   new
#>   <chr> <int> <int>
#> 1 2017      1     1
#> 2 2018      3     2
#> 3 2019      3     1

根据顺序行值创建新数据框

Create new dataframe based on sequential row values

r

accumulate

dplyr

rolling-computation

tidyverse