我有一個資料集，可以隨著時間的推移垂直存盤參與者的實體。他們基本上可以有任意數量的后續行動，參與者的行數從 1 到 14 行不等，但隨著時間的推移，預計會增加更多。
我有一個變數串列，var參與者可能在每次后續行動中報告了這些變數，并希望創建一組新的“曾經”變數vare來描述在此后續行動之前的任何時間，參與者是否報告了相應的“是”多變的。
這是所需輸入/輸出的示例：
var = c("var1","var2")
vare = paste0(var,"_ever")
data = data.frame(idno = c(123,123,123,123,123,123,123)
followup_num = c(0,1,2,3,4,5,6)
var1 = c(0,NA,0,1,0,NA,1)
var2 = c(1,NA,NA,0,0,0,1)
)
data$var1_ever = c(0,0,0,1,1,1,1)
data$var2_ever = c(1,1,1,1,1,1,1)
| 證件號碼 | followup_num | 變數1 | var1_ever | 變數2 | var2_ever |
|---|---|---|---|---|---|
| 123 | 0 | 0 | 0 | 1 | 1 |
| 123 | 1 | 不適用 | 0 | 不適用 | 1 |
| 123 | 2 | 0 | 0 | 不適用 | 1 |
| 123 | 3 | 1 | 1 | 0 | 1 |
| 123 | 4 | 0 | 1 | 0 | 1 |
| 123 | 5 | 不適用 | 1 | 0 | 1 |
| 123 | 6 | 1 | 1 | 1 | 1 |
這是我目前正在使用的代碼。顯然，嵌套的 for 回圈在 R 中并不理想，而且這段代碼在處理幾千行時特別慢。
#For each ID
for (i in unique(data$idno)) {
id = data$idno%in%i #Get the relevant lines for this ID
fus = sort(data$followup_num[id]) #Get the follow-up numbers
#For each variable in the list
for (v in seq_along(var)) {
#Loop through the follow-ups. If you see that the variable reports "yes", mark
# this and every proceeding follow-up as having reported that variable ever
# Otherwise, mark the opposite at that line and move to the next follow-up
for (f in fus) {
if (t(data[id & data$followup_num%in%f,var[v]])%in%1) {
data[id & data$followup_num >= f,vare[v]] = 1
break
} else {
data[id & data$followup_num%in%f,vare[v]] = 0
}
}
}
}
這是現有解決方案的問題嗎？有沒有辦法優化/簡化？是否有使用 apply/sapply/etc. 我忽略了嘗試的功能？
uj5u.com熱心網友回復：
解決方案的核心是基本功能cummax()。我們需要考慮NA，所以我補充了replace_na()。我們需要通過使用來考慮額外的 idnogroup_by()
最小矢量化解決方案是
df$var1_test<-cummax(x=replace_na(df$var1, 0))
tidyverse mutate across這是一個用函式集解決的大問題！
df = data.frame(idno = c(123,123,123,123,123,123,123),
followup_num = c(0,1,2,3,4,5,6),
var1 = c(0,NA,0,1,0,NA,1),
var2 = c(1,NA,NA,0,0,0,1))
df %>% group_by(idno) %>%
arrange(idno, followup_num) %>%
mutate(across(.cols=starts_with("var"),
.fns= ~ cummax(tidyr::replace_na(.x, 0)),
.names="{.col}_ever2"))
idno followup_num var1 var2 var1_ever2 var2_ever2 1 123 0 0 1 0 1 2 123 1 NA NA 0 1 3 123 2 0 NA 0 1 4 123 3 1 0 1 1 5 123 4 0 0 1 1 6 123 5 NA 0 1 1 7 123 6 1 1 1 1
或者，如果您想將資料匯總到一行，那么分組最大值可以作業
df %>%
group_by(idno) %>%
summarise(across(.cols=starts_with("var"),
.fns= ~ max(.x, na.rm=T),
.names="{.col}_ever3"))
idno var1_ever3 var2_ever3 1 123 1 1
附言。data是一個內部函式，最好呼叫 variable df。
uj5u.com熱心網友回復：
考慮ave cummax（ifelse處理 NA）：
data <- within(
data, {
var2_ever <- ave(var2, idno, FUN=\(x) cummax(ifelse(is.na(x), 0, x)))
var1_ever <- ave(var1, idno, FUN=\(x) cummax(ifelse(is.na(x), 0, x)))
}
)
對于許多列：
vars <- names(data)[grep("var", names(data))]
data[paste0(vars, "_ever")] <- sapply(
vars, \(var) ave(data[[var]], data$idno, FUN=\(x) cummax(ifelse(is.na(x), 0, x)))
)
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/505818.html