滚动计算以识别两列之间的不匹配

Question

我的数据包括学生在 mid-terms 和 final 考试中的成绩。
此数据以 wide 格式排列，其中每一行对应一个唯一的学生 ID，显示为 SUID。
我的数据还包括老师的信息，显示为TUserId。每个教师可以有多个学生，因此在几行中有一个共同的教师 ID。
我想知道是否有老师在期中考试中给学生相似的分数（如 mid_sum 所示）给学生的分数不一致参加期末考试的学生（如 final_sum 所示）。为了记录这种不一致，我想添加一个记录这种不匹配或不一致的列Status。

输入：

我的数据 df 看起来像这样：:

TUserId  SUID   mid_sum final_sum
 115      201   7       1
 115      309   8       2
 115      404   9       1
 209      245   10      2
 209      398   10      2
 209      510   10      2
 209      602   10      1
 371      111   11      2
 371      115   11      2
 371      123   11      3
 371      124   11      2

输出：

对于我的输出，我需要这样的东西：:

TUserId  SUID   mid_sum final_sum   Status
 115      201   7       1           consistent
 115      309   8       2           consistent
 115      404   9       1           inconsistent
 209      245   10      2           consistent
 209      398   10      2           consistent
 209      510   10      2           consistent
 209      602   10      1           inconsistent
 371      111   11      2           consistent
 371      115   11      2           consistent
 371      123   11      3           inconsistent
 371      124   11      2           consistent

要求：

我的要求如下：

期中成绩要求：

1- 当期中成绩较低时，学生的最终成绩（相对于彼此）不可能更高。例如，当期中成绩低于学生 SUID = 404 时，学生 SUID = 309 的期末成绩更高。在这种情况下，我想将 SUID = 404 标记为 inconsistent.

2- 期中成绩相近的学生期末成绩也不可能不同。例如，当学生 SUID = 602 的期中成绩与老师 TUserId = 209 的其他学生相同时，他们的期末成绩较低。同样，学生 SUID = 123 的期中成绩与老师的其他学生 TUserId = 371.

相同时，他们的期末成绩更高

最终分数要求：

1- 但是，相同的 final 分数可以分配给期中分数不同的学生。我意识到这个要求有点令人困惑。只要期中成绩保持不变或有所提高，期末成绩就可以保持不变。但反之则不然，如果那个老师的期中成绩开始下降，那么期末成绩就不能保持不变。

2- 此外，如果中期分数增加，最终分数也会增加（或与之前的值保持一致）。

数据导入dput()

数据框的dput()如下：

dput(df)

structure(list(
TUserId = c(115L, 115L, 115L, 209L, 209L, 209L, 209L, 371L, 371L, 371L, 371L), 
SUID = c(201L, 309L, 404L, 245L, 398L, 510L, 602L, 111L, 115L, 123L, 124L), 
mid_sum = c(7L, 8L, 9L, 10L, 10L, 10L, 10L, 11L, 11L, 11L, 11L),
final_sum = c(1L, 2L, 1L, 2L, 2L, 2L, 1L, 2L, 2L, 3L, 2L)), 
class = "data.frame", row.names = c(NA, -11L))

注：

我将学生的 mid_sum 和 final_sum 分数按升序排列。我只想确定标记分配不一致的情况。
从实现的角度来看，总是与先前的值进行比较。
我重新发布我的问题，因为最后一个例子没有阐明我的确切要求。

部分解决方案：

以下解决方案部分满足了我的要求，但没有捕捉到期中成绩相似的学生最终成绩更高的情况。

library(dplyr)
df %>%
  arrange(TUserId, mid_sum) %>%
  group_by(TUserId) %>%
  mutate(
    Status = if_else(
      sign(final_sum - lag(final_sum, default = 0) + lead(final_sum, default = 0)) 
      == sign(mid_sum - lag(mid_sum, default = 0)  + lead(mid_sum, default = 0)),
      "consisent", "inconsistent"
    )
  )

Answer 1

很酷的问题。你的问题解释的很好。

考虑这段代码：

## Rule 1
# we sort by mid sum first, then final sum
# if the cumululative max of the final sum is higher than the current finalsum,
# the mid sum had to be lower

df <- df %>% arrange(mid_sum,final_sum) %>% mutate(inconsistentRule1 = cummax(final_sum)>final_sum)


# Rule 2
# This is a shot in the dark as the inconsitency criteria is a bit fuzzy
# (What if a teacher with only two students on same mid_level assigns different grades,
# which  student is to be considered "inconsistent"? The lower or the higher graded)
# i just used the median, in this case students that deviate from the norm
# are considered the inconsistent ones, works with your example
df <- df %>% group_by(TUserId,mid_sum) %>% mutate(inconsistentRule2= final_sum != median(final_sum))

# combine the rules
df <- df %>% ungroup() %>% 
  mutate(Status=ifelse(
    inconsistentRule1 | inconsistentRule2,
    "inconsistent",
    "consistent"))

# put in order and delete working columns
df %>% arrange(TUserId,SUID) %>%
  select(-c("inconsistentRule1","inconsistentRule2"))

结果如你所愿table

滚动计算以识别两列之间的不匹配

Rolling computation to identify mismatch between two columns

r

group-by

multiple-columns

rolling-computation

输入：

输出：

要求：

数据导入dput()

注：

部分解决方案：