在 tidyverse 中同时测试集合包含和处理数据

如何解决在 tidyverse 中同时测试集合包含和处理数据

我几乎有我需要的东西。我需要最后一个细节的帮助！数据集由以下产生：

stu_vec <- c("A","B","C","D","E","F","G","H","I","J")
college_vec <- c("ATC","CCTC","DTC","FDTC","GTC","NETC","USC","Clemson","Winthrop","Allen")
sctcs <- c("ATC","NETC")
Student <- sample (stu_vec,size=100,replace=T,prob=c(.08,0.09,0.06,.07,.12,.10,.05,.11,.05))
College <- sample(college_vec,.13,.06,.08,.02,.08))

test.dat1 <- as.data.frame(cbind(Student,College))

我正在使用以下代码来创建我需要的

library(dplyr)

set.seed(29)
test.dat2 <- test.dat1 %>% 
  group_by(Student,.drop=F) %>% #group by student
  mutate(semester= sequence(n())) %>% #set semester sequence
  summarise(home_school= College[min(which(College %in% sctcs))],# Find first college in sctcs
            seq_home=min(which(College %in% sctcs)),# add column of sequence values
            new_school= if_else(n_distinct(College) > 1,first(College[!(College %in% sctcs) & semester > seq_home]),last(College))) #new_school should be the first non-sctcs school after the sctcs school is found or the last school for that student. 

它产生下表

我希望 NA 填写该学生的最后一所大学。我不知道如何摆脱NA。如果您知道一种更简单的方法来生产相同的东西，请分享知识。

解决方法

不清楚您要做什么。但是当 CREATE TABLE t1 ( "date",id,Value ) AS SELECT DATE '2020-01-01','A',1 FROM DUAL UNION ALL SELECT DATE '2020-01-02',1 FROM DUAL UNION ALL SELECT DATE '2020-01-03',0 FROM DUAL UNION ALL SELECT DATE '2020-01-04',2 FROM DUAL UNION ALL SELECT DATE '2020-01-05',1 FROM DUAL UNION ALL SELECT DATE '2020-01-01','B',0 FROM DUAL UNION ALL SELECT DATE '2020-01-02',3 FROM DUAL UNION ALL SELECT DATE '2020-01-04',-1 FROM DUAL UNION ALL SELECT DATE '2020-01-05',2 FROM DUAL UNION ALL SELECT DATE '2020-01-01','C',2 FROM DUAL UNION ALL SELECT DATE '2020-01-03',1 FROM DUAL UNION ALL SELECT DATE '2020-01-04',1 FROM DUAL UNION ALL SELECT DATE '2020-01-05',2 FROM DUAL; 返回 [!(College %in% sctcs) & semester > seq_home] 时，FALSE 返回零长度字符向量，因此 College[!(College %in% sctcs) & semester > seq_home] 返回 NA。

当first(College[!(College %in% sctcs) & semester > seq_home])中没有TRUE值时，是因为[!(College %in% sctcs) & semester > seq_home]之后的任何学期都没有非sctcs学院。如果学生从 semester[seq_home] 转到一所或多所 scctcs 学校，但从未转到任何非 scctcs 学校，您将获得 home_school 值。

你实际上问错了问题。我不确定您要问什么问题，但您目前要问的是：

该学生就读第一所学校之后， 就读的第一所非学校是哪所学校？

然而，有些学生在上完他们的第一 sctcs 学校后，再也没有上过非sctcs 学校。因此，您会收到 NA 响应，这是问题的正确答案。

,

应该这样做：

test.dat2 <- test.dat1 %>% 
  mutate(semester= sequence(n())) %>%
  arrange(Student,semester) %>% # find this a more intuitive order
  group_by(Student,.drop=F) %>%
  # Additional mutate step for clarity & simplicity
  mutate(seq_home = min(which(College %in% sctcs))) %>% 
  summarise(home_school = College[seq_home],new_school = 
              College[
                coalesce(
                  first(which(!(College %in% sctcs) & semester > seq_home)),seq_home,length(College))
                  ]
            )

我们使用 coalesce() 为 College 编制索引，它从其参数中返回第一个非缺失值。最初，我们寻找他们在参加 home_school 后就读的第一所非sctcs 大学。如果返回 NA（即没有这样的大学），我们只返回 seq_home，以获得他们上过的最后一所sctcs 大学。如果返回 NA（如果他们从未上过任何 sctcs 大学，情况也是如此），我们返回 length(College)，这当然是 College 的子集，为我们提供他们上过的最后一所大学。

我仍然不是 100% 清楚这是否完全符合您的要求 - 我不知道您是否考虑过没有 sctcs 学院的情况。这颗种子上没有，但很容易发生。