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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。