按区间查找列中的平均值
Finding Mean Values in a Column by Intervals
我正在跟踪治疗周前后的暴力事件，以查看治疗是否对其周围的事件计数有影响。 table 分为国家周，记录了 1989 年至 2019 年间大多数国家/地区的暴力事件。它与此类似，但总数约为。 120 个国家和 7 万行：
Country Year Week Event_Count Treatment
------- ---- ---- ----------- ---------
Angola 1995 33 3 NA
Angola 1995 34 2 NA
Angola 1995 35 3 NA
Angola 1995 36 0 NA
Angola 1995 37 4 1
Angola 1995 38 1 NA
Angola 1995 39 0 NA
Angola 1995 40 2 NA
Angola 1995 41 3 NA
我想找到在治疗周（在这种情况下，第 37 周由“治疗”列中的“1”表示）周围分成四个星期间隔的平均每周事件计数，直到十二周方向。换句话说，第 -1 周到 -4 周将是 2 个事件，因为这是第 33 周到第 36 周的平均每周事件计数。第 0 周（在本例中为第 37 周）将是 4 个。第 1 到第 4 周（第 38 到 41 周） ) 将是 1.5。第 -5 至 -8 周（第 29 至 32 周）、第 5 至第 8 周（第 42 至 45 周）、第 -9 至第 -12 周（第 25 至 28 周）和第 9 至 12 周（第 46 至 49 周）将是他们各自的垃圾箱。我正在使用回归不连续性设计，所以我想对刚刚错过接受治疗的国家做同样的事情，在治疗列中用“0”表示。处理列中的所有其他值均为“NA”。
我正在考虑这样编码：
aggregate(df[row_interval, column_interval], list(df$Country), mean)
但由于我将在同一个国家查看几个治疗周，并且治疗周有规律地变化（例如，安哥拉，1995 年第 37 周；阿尔及利亚，1998 年第 12 周等），这不会工作。理想情况下，我想将“0”和“1”的治疗输出与治疗周放在同一行中。例如：
Country Year Week Event_Count Treatment -12to-9 -8to-5 -4to-1 0 1to4 5to8 9to12
------- ---- ---- ----------- --------- ------- ------ ------ - ---- ---- -----
Algeria 2002 14 4 0 3 0.5 1 4 2 5 2
我试图将相似周的输出放在同一列中，无论接受“0”还是“1”治疗。例如，治疗后第 1 周至第 4 周的所有值都将归入“1to4”列。
提前感谢您的帮助！我对堆栈和 r 还很陌生，所以对于任何混淆我深表歉意。
我写了更长的数据，总共包含 25 周。
Country Year Week Event_Count Treatment
<chr> <dbl> <dbl> <dbl> <dbl>
1 Angola 1995 25 3 NA
2 Angola 1995 26 2 NA
3 Angola 1995 27 4 NA
4 Angola 1995 28 1 NA
5 Angola 1995 29 0 NA
6 Angola 1995 30 4 NA
7 Angola 1995 31 1 NA
8 Angola 1995 32 0 NA
9 Angola 1995 33 3 NA
10 Angola 1995 34 2 NA
# ... with 15 more rows
与您的示例相同，第 37 周有 Treatment。
将函数 gola 定义为，
gola <- function(df) {
idx <- which(!is.na(df$Treatment))
res <- c()
for (i in idx){
trt <- df$Event_Count
x.3 <- mean(trt[(i-12):(i-9)])
x.2 <- mean(trt[(i-8):(i-5)])
x.1 <- mean(trt[(i-4):(i-1)])
x <- trt[i]
x1 <- mean(trt[(i+1):(i+4)])
x2 <- mean(trt[(i+5):(i+8)])
x3 <- mean(trt[(i+9):(i+12)])
res <- rbind(res,c(x.3, x.2, x.1, x, x1, x2, x3))
}
colnames(res) <- c("_12to_9", "_8to_5", "_4to_1", "0", "1to4", "5to8", "9to12")
res <- cbind(df[idx,], res)
return(res)
}
然后，gola(df)将return
Country Year Week Event_Count Treatment _12to_9 _8to_5 _4to_1 0 1to4 5to8 9to12
1 Angola 1995 37 4 1 2.5 1.25 2 4 1.5 2 1.75
这就是我得到的。我没有你的实际数据。因此，我创建了自己的示例数据，它与您的相似。根据您的实际数据，我的想法 may/may 不适合您。但我认为这个想法对解决你的案子有一定的意义。我认为关键是如何生成子组索引。您有一个基本行，其中您在治疗中有 0、1 或 NA。 （在我的示例中，我只使用了 1。您需要考虑在 Treatment 中没有任何 1 或 0 的情况。）基本上，我想确定可以用作创建子组的标志的行号。当您想要识别此类行时，您需要考虑行号何时比基行数 smaller/larger 。您在第一个 case_when() 中看到了这一点。第二个 case_when() 处理生成组号。在此之后，这项工作似乎很简单。希望对你有所帮助。
group_by(mydf, Country) %>%
mutate(group = 1:n(),
group = case_when(row_number() %in% (which(Treatment == 1) +
(4 * 1:floor(length(group[which(Treatment == 1):n()]) / 4)) + 1) ~
TRUE,
row_number() %in% (which(Treatment == 1) -
(4 * 1:floor(length(group[1:which(Treatment == 1)]) / 4)) - 1) ~
TRUE,
row_number() == which(Treatment == 1) ~ TRUE,
TRUE ~ FALSE),
group = case_when(row_number() < which(Treatment == 1) ~
cumsum(c(T, diff(group) == -1)),
row_number() > which(Treatment == 1) ~
cumsum(c(F, diff(group) == 1)) + as.integer(100),
TRUE ~ as.integer(100))) %>%
group_by(group, .add = TRUE) %>%
summarize(year = first(Year),
week = paste(first(Week), last(Week), sep = "-"),
average = mean(Event_Count, rm.na = TRUE)) %>%
select(-group)
# Country year week average
# <chr> <dbl> <chr> <dbl>
# 1 Argentina 1995 24-24 4
# 2 Argentina 1995 25-28 5
# 3 Argentina 1995 29-32 7.25
# 4 Argentina 1995 33-36 7.75
# 5 Argentina 1995 37-37 8
# 6 Argentina 1995 38-41 3.5
# 7 Argentina 1995 42-45 7.253
# 8 Argentina 1995 46-49 5.25
# 9 Argentina 1995 50-50 9
#10 Brazil 1995 24-24 4
#11 Brazil 1995 25-28 5
#12 Brazil 1995 29-32 6
#13 Brazil 1995 33-36 7.5
#14 Brazil 1995 37-37 7
#15 Brazil 1995 38-41 6.5
#16 Brazil 1995 42-45 4
#17 Brazil 1995 46-49 6.5
#18 Brazil 1995 50-50 10
数据
set.seed(111)
mydf <- data.frame(Country = rep(c("Argentina", "Brazil"), each = 27),
Year = rep(1995, times = 54),
Week = rep(c(24:50), times = 2),
Event_Count = sample.int(n = 10, size = 54, replace = TRUE),
Treatment = rep(c(rep(NA, times = 13), 1, rep(NA, times = 13)), times = 2))
我正在跟踪治疗周前后的暴力事件，以查看治疗是否对其周围的事件计数有影响。 table 分为国家周，记录了 1989 年至 2019 年间大多数国家/地区的暴力事件。它与此类似，但总数约为。 120 个国家和 7 万行：
Country Year Week Event_Count Treatment
------- ---- ---- ----------- ---------
Angola 1995 33 3 NA
Angola 1995 34 2 NA
Angola 1995 35 3 NA
Angola 1995 36 0 NA
Angola 1995 37 4 1
Angola 1995 38 1 NA
Angola 1995 39 0 NA
Angola 1995 40 2 NA
Angola 1995 41 3 NA
我想找到在治疗周（在这种情况下，第 37 周由“治疗”列中的“1”表示）周围分成四个星期间隔的平均每周事件计数，直到十二周方向。换句话说，第 -1 周到 -4 周将是 2 个事件，因为这是第 33 周到第 36 周的平均每周事件计数。第 0 周（在本例中为第 37 周）将是 4 个。第 1 到第 4 周（第 38 到 41 周） ) 将是 1.5。第 -5 至 -8 周（第 29 至 32 周）、第 5 至第 8 周（第 42 至 45 周）、第 -9 至第 -12 周（第 25 至 28 周）和第 9 至 12 周（第 46 至 49 周）将是他们各自的垃圾箱。我正在使用回归不连续性设计，所以我想对刚刚错过接受治疗的国家做同样的事情，在治疗列中用“0”表示。处理列中的所有其他值均为“NA”。 我正在考虑这样编码：
aggregate(df[row_interval, column_interval], list(df$Country), mean)
但由于我将在同一个国家查看几个治疗周，并且治疗周有规律地变化（例如，安哥拉，1995 年第 37 周；阿尔及利亚，1998 年第 12 周等），这不会工作。理想情况下，我想将“0”和“1”的治疗输出与治疗周放在同一行中。例如：
Country Year Week Event_Count Treatment -12to-9 -8to-5 -4to-1 0 1to4 5to8 9to12
------- ---- ---- ----------- --------- ------- ------ ------ - ---- ---- -----
Algeria 2002 14 4 0 3 0.5 1 4 2 5 2
我试图将相似周的输出放在同一列中，无论接受“0”还是“1”治疗。例如，治疗后第 1 周至第 4 周的所有值都将归入“1to4”列。
提前感谢您的帮助！我对堆栈和 r 还很陌生，所以对于任何混淆我深表歉意。
我写了更长的数据，总共包含 25 周。
Country Year Week Event_Count Treatment
<chr> <dbl> <dbl> <dbl> <dbl>
1 Angola 1995 25 3 NA
2 Angola 1995 26 2 NA
3 Angola 1995 27 4 NA
4 Angola 1995 28 1 NA
5 Angola 1995 29 0 NA
6 Angola 1995 30 4 NA
7 Angola 1995 31 1 NA
8 Angola 1995 32 0 NA
9 Angola 1995 33 3 NA
10 Angola 1995 34 2 NA
# ... with 15 more rows
与您的示例相同，第 37 周有 Treatment。
将函数 gola 定义为，
gola <- function(df) {
idx <- which(!is.na(df$Treatment))
res <- c()
for (i in idx){
trt <- df$Event_Count
x.3 <- mean(trt[(i-12):(i-9)])
x.2 <- mean(trt[(i-8):(i-5)])
x.1 <- mean(trt[(i-4):(i-1)])
x <- trt[i]
x1 <- mean(trt[(i+1):(i+4)])
x2 <- mean(trt[(i+5):(i+8)])
x3 <- mean(trt[(i+9):(i+12)])
res <- rbind(res,c(x.3, x.2, x.1, x, x1, x2, x3))
}
colnames(res) <- c("_12to_9", "_8to_5", "_4to_1", "0", "1to4", "5to8", "9to12")
res <- cbind(df[idx,], res)
return(res)
}
然后，gola(df)将return
Country Year Week Event_Count Treatment _12to_9 _8to_5 _4to_1 0 1to4 5to8 9to12
1 Angola 1995 37 4 1 2.5 1.25 2 4 1.5 2 1.75
这就是我得到的。我没有你的实际数据。因此，我创建了自己的示例数据，它与您的相似。根据您的实际数据，我的想法 may/may 不适合您。但我认为这个想法对解决你的案子有一定的意义。我认为关键是如何生成子组索引。您有一个基本行，其中您在治疗中有 0、1 或 NA。 （在我的示例中，我只使用了 1。您需要考虑在 Treatment 中没有任何 1 或 0 的情况。）基本上，我想确定可以用作创建子组的标志的行号。当您想要识别此类行时，您需要考虑行号何时比基行数 smaller/larger 。您在第一个 case_when() 中看到了这一点。第二个 case_when() 处理生成组号。在此之后，这项工作似乎很简单。希望对你有所帮助。
group_by(mydf, Country) %>%
mutate(group = 1:n(),
group = case_when(row_number() %in% (which(Treatment == 1) +
(4 * 1:floor(length(group[which(Treatment == 1):n()]) / 4)) + 1) ~
TRUE,
row_number() %in% (which(Treatment == 1) -
(4 * 1:floor(length(group[1:which(Treatment == 1)]) / 4)) - 1) ~
TRUE,
row_number() == which(Treatment == 1) ~ TRUE,
TRUE ~ FALSE),
group = case_when(row_number() < which(Treatment == 1) ~
cumsum(c(T, diff(group) == -1)),
row_number() > which(Treatment == 1) ~
cumsum(c(F, diff(group) == 1)) + as.integer(100),
TRUE ~ as.integer(100))) %>%
group_by(group, .add = TRUE) %>%
summarize(year = first(Year),
week = paste(first(Week), last(Week), sep = "-"),
average = mean(Event_Count, rm.na = TRUE)) %>%
select(-group)
# Country year week average
# <chr> <dbl> <chr> <dbl>
# 1 Argentina 1995 24-24 4
# 2 Argentina 1995 25-28 5
# 3 Argentina 1995 29-32 7.25
# 4 Argentina 1995 33-36 7.75
# 5 Argentina 1995 37-37 8
# 6 Argentina 1995 38-41 3.5
# 7 Argentina 1995 42-45 7.253
# 8 Argentina 1995 46-49 5.25
# 9 Argentina 1995 50-50 9
#10 Brazil 1995 24-24 4
#11 Brazil 1995 25-28 5
#12 Brazil 1995 29-32 6
#13 Brazil 1995 33-36 7.5
#14 Brazil 1995 37-37 7
#15 Brazil 1995 38-41 6.5
#16 Brazil 1995 42-45 4
#17 Brazil 1995 46-49 6.5
#18 Brazil 1995 50-50 10
数据
set.seed(111)
mydf <- data.frame(Country = rep(c("Argentina", "Brazil"), each = 27),
Year = rep(1995, times = 54),
Week = rep(c(24:50), times = 2),
Event_Count = sample.int(n = 10, size = 54, replace = TRUE),
Treatment = rep(c(rep(NA, times = 13), 1, rep(NA, times = 13)), times = 2))