问题描述
下面的 reprex 模拟了我的数据：对于每个人，我在不同时间有不同的 'res' 值。我需要一个指示变量 ('flag') 来告诉我每次在给定的人中 'res' 从 1 变为 0 时，我希望 'flag' 在第一次（也是第一次 仅) 'res' = 1 后的 'res' = 0。最后，我想计算每个人的 'flag' = 1 的次数。
我的代码有两个问题：
注意：最后一个 'res_next_time' 不可避免地是 NA。根据我的数据中的定义，我在这里永远不会有 'flag'=1，所以它默认为 0 是可以的。
感谢您的帮助！
#Load packages
library(Hmisc)
#> Loading required package: lattice
#> Loading required package: survival
#> Loading required package: Formula
#> Loading required package: ggplot2
#>
#> Attaching package: 'Hmisc'
#> The following objects are masked from 'package:base':
#>
#> format.pval,units
library(dplyr)
#> Warning: package 'dplyr' was built under R version 4.0.4
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:Hmisc':
#>
#> src,summarize
#> The following objects are masked from 'package:stats':
#>
#> filter,lag
#> The following objects are masked from 'package:base':
#>
#> intersect,setdiff,setequal,union
library(tidyr)
#> Warning: package 'tidyr' was built under R version 4.0.5
#Create data set
person <- c(1,1,2,3,3)
time <- c(1,4,5)
res <- c(1,1)
#Populate data frame
d <- cbind(person,time,res)
d <- as.data.frame(d)
#Create new variable equal to 'res' at the person's next time point
d$res_next_time <- Lag(d$res,-1)
#Group times by person
d %>%
group_by(person) %>%
#Create a new variable 'flag' = 1 when a person's 'res' changes from 1 to 0,and 'flag' = 0 otherwise
mutate(flag = case_when(res_next_time < 1 ~ 1,TRUE ~ 0)) %>%
#Because 'flag'= 1 is at the time of 'res'= 1 before 'res'= 0,we lag it to have 'flag' = 1 at 'res' = 0
mutate(flag_res0 = Lag(flag,+1)) %>%
#Replace the NAs in 'flag_res0' with 0
replace_na(list(flag_res0 = 0)) %>%
#mutate(flag_res0 = as.numeric(flag_res0 & cumsum(flag_res0) <= 1)) %>%
#Count number of flags per person
mutate(mig_freq = sum(flag_res0)) %>%
#Limit the data to only include the final indicator
select('person','time','res','flag_res0')
#> # A tibble: 10 x 4
#> # Groups: person [3]
#> person time res flag_res0
#> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 1 0
#> 2 1 2 0 1
#> 3 1 3 1 0
#> 4 2 1 1 0
#> 5 3 2 1 0
#> 6 3 1 0 1
#> 7 3 2 0 1
#> 8 3 3 1 0
#> 9 3 4 0 1
#> 10 3 5 1 0
由 reprex package (v0.3.0) 于 2021 年 4 月 15 日创建
解决方法
我的解决方案不需要列 res_next_time。我认为@Paul PR 更简洁。
# using your data d
d %>%
group_by(person) %>%
mutate(flag2 = if_else(lag(res) == 1 & res == 0 &
!(duplicated(lag(res) == 1 & res == 0)),1,0))
您可以在末尾添加 ungroup()。这可能很重要，具体取决于接下来会发生什么。这基本上是“如果 TRUE TRUE 且不重复，则...”
您的评论表明您不是在寻找第一次出现，而是在组内寻找任何出现。
那实际上要简单得多。
(d %>%
group_by(person) %>%
mutate(flag = if_else(lag(res) == 1 & res == 0,0)))
输出看起来像这样。 （我在示例数据的末尾添加了数据以显示我出现的情况。）
# # A tibble: 13 x 4
# # Groups: person [3]
# person time res flag
# <dbl> <dbl> <dbl> <dbl>
# 1 1 1 1 0
# 2 1 2 0 1
# 3 1 3 1 0
# 4 2 1 1 0
# 5 3 2 1 0
# 6 3 1 0 1
# 7 3 2 0 0
# 8 3 3 1 0
# 9 3 4 0 1
# 10 3 5 1 0
# 11 3 6 0 1
# 12 1 7 1 0
# 13 1 8 0 1
这是一个分两步解决问题的解决方案：
- 使用 dplyr 的
lag函数计算 res 的前一个值，而不是 res 的下一个值。我们在分组数据框中执行此操作，因此res_last_time的第一个值是每个人的 NA。 - 在分组数据框中使用
cumsum只为每个人保留第一个标志 = 1。
d %>%
group_by(person) %>%
mutate(res_last_time = lag(res,1)) %>%
mutate(flag = res == 0 & res_last_time == 1) %>%
mutate(flag = as.numeric(flag & cumsum(flag) <= 1))
使用相同的 d data.frame，这是我得到的结果：
#> # A tibble: 10 x 5
#> # Groups: person [3]
#> person time res res_last_time flag
#> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1 1 NA 0
#> 2 1 2 0 1 1
#> 3 1 3 1 0 0
#> 4 2 1 1 NA 0
#> 5 3 2 1 NA 0
#> 6 3 1 0 1 1
#> 7 3 2 0 0 0
#> 8 3 3 1 0 0
#> 9 3 4 0 1 0
#> 10 3 5 1 0 0
由 reprex package (v1.0.0) 于 2021 年 4 月 15 日创建