基于连续行值创建新的数据框

问题描述

我有一个名称和年份的数据框，其中包含一个虚拟变量，用于确定名称是否出现在一年中。

我正在尝试创建一个数据框来告诉我

• 1. 当年出现的名字总数，以及
• 2. 当年出现但前一年未出现的人数。

在下面的示例中，2017 年只有一个人 (Terry) 发生，而前一年没有发生，因此总数和新人均为 1。2018 年发生了三个人，但只有两个人是新人，因为 Terry 发生在前一年。如果某人出现在 2017 年和 2019 年但未出现在 2018 年，则应将其归类为 2019 年的新人。

示例

   Name x2017 x2018 x2019
1 Terry     1     1     0
2   Sam     0     0     1
3   Nic     0     1     1
4 Sarah     0     1     1

代码

data.frame(
  Name = c("Terry","Sam","Nic","Sarah"),x2017 = c(1,0),x2018 = c(1,1,1),x2019 = c(0,1)
  )

我正在尝试创建的输出

  Year Total New
1 2017     1   1
2 2018     3   2
3 2019     3   1

我尝试过过滤和使用行总和，但我觉得有一个我不知道的函数可以做到这一点。

谢谢！

解决方法

mutate(new = as.numeric(values == 1 & lag(values) == 0),new = ifelse(is.na(new),values,new)) %>% 部分来自 stefan （感谢他，谢谢 stefan）。 区别在于parse_number

library(tidyverse)
df %>% 
  pivot_longer(
    cols = -Name,names_to = "Year",values_to = "values"
  ) %>% 
  mutate(Year = parse_number(Year)) %>% 
  mutate(new = as.numeric(values == 1 & lag(values) == 0),new)) %>% 
  group_by(Year) %>% 
  summarise(Total = sum(values),New = sum(new))

输出：

   Year Total   New
* <dbl> <dbl> <dbl>
1  2017     1     1
2  2018     3     2
3  2019     3     1

,

更新-02 我很抱歉，因为我不得不修改我的解决方案，因为我意识到只有在前一年出现的名称才不会被视为新名称，因此您也可以将其用于示例数据和页面下方显示的数据：

library(dplyr)
library(purrr)


df %>% 
  summarise(across(2:4,~ sum(.x))) %>%
  bind_cols() %>% 
  pivot_longer(everything(),values_to = "Total",names_prefix = "x") %>%
  left_join(df %>% select(2:4) %>% pmap_dfr(~ {x <- c(...); x - lag(x,default = 0)}) %>% 
              summarise(across(everything(),~ sum(.x == 1))) %>% 
              pivot_longer(everything(),values_to = "New",names_prefix = "x"),by = "Year")
 

# A tibble: 3 x 3
  Year  Total   New
  <chr> <dbl> <dbl>
1 2017      1     1
2 2018      3     2
3 2019      3     1

,

也许这就是您要找的：

1. 使用例如重塑为长格式tidy::pivot_longer
2. 按 Name 分组并利用 dplyr::lag 添加一个人是否是新人的指示
3. 按年份总结

d <- data.frame(
  Name = c("Terry","Sam","Nic","Sarah"),x2017 = c(1,0),x2018 = c(1,1,1),x2019 = c(0,1)
) 

library(dplyr)
library(tidyr)

d %>% 
  tidyr::pivot_longer(-Name,names_to = "year") %>% 
  mutate(year = gsub("^x","",year)) %>%
  group_by(Name) %>% 
  mutate(new = as.numeric(value == 1 & lag(value) == 0),value,new)) %>% 
  ungroup() %>% 
  group_by(year) %>% 
  summarise(total = sum(value),new = sum(new))
#> # A tibble: 3 x 3
#>   year  total   new
#>   <chr> <dbl> <dbl>
#> 1 2017      1     1
#> 2 2018      3     2
#> 3 2019      3     1

,

case-I 当只需要在前一行检查记录时。

df %>%
  pivot_longer(!Name,names_to = 'Year',names_prefix = 'x') %>%
  group_by(Year) %>%
  summarise(total = sum(value),new = list(Name[value == 1]),.groups = 'drop') %>%
  mutate(new = map2_int(new,lag(new),~ sum(!(.x %in% .y))))

# A tibble: 3 x 3
  Year  total   new
  <chr> <dbl> <int>
1 2017      1     1
2 2018      3     2
3 2019      3     1

---

当必须查看所有先前行的记录时的案例 II。同时使用 map_* 和 accumulate。采用的策略-

• pivot_longer 首先。使用 x 参数
直接从年份中删除 names_prefix
• group_by 当年
• 在 n() 中计算该年份的总值 list 和名称
• 使用 new 变异 map2_int，第一个参数仅作为该列表，第二个参数作为 accumulated 和 lagged list 。
• map2_int 因此计算出该行中 TRUE 的总数。

library(tidyverse)
df %>%
  pivot_longer(!Name,lag(accumulate(new,union,.init = first(new))[-1]),~ sum(!(.x %in% .y))))

#> # A tibble: 3 x 3
#>   Year  total   new
#>   <chr> <int> <int>
#> 1 2017      1     1
#> 2 2018      3     2
#> 3 2019      3     1