Case_when 使用 sum 对数据进行分类的问题 - R/dplyr 解决方案

问题描述

我可能在这里做了一些愚蠢的事情，但希望得到一些帮助。我正在尝试对一些填写错误的数据进行分类。

df <- data.frame(ID = c("A","A","B","B"),headache_y_n = c("Yes","Yes","No","No"),headache_days =c("2","2","1","1"))

我想说的是，如果每个ID的here_y_n是yes超过3次，那么它符合“延长”的标准，否则应该是“短”。

因此，我想要以下输出：

output <- data.frame(ID = c("A","1"),criteria =c("prolonged","prolonged","short","short"))

我的代码如下：

library(dplyr)
df %>% group_by(ID) %>% mutate(criteria=case_when(
    sum(any(headache_y_n=="Yes") >= 3) ~ "prolonged",TRUE ~ "short"
))

不幸的是它不起作用，我收到以下错误：

Error: Problem with `mutate()` input `criteria`.
x LHS of case 1 (`sum(any(headache_y_n == "Yes") >= 3)`) must be a logical vector,not an integer vector.
ℹ Input `criteria` is `case_when(...)`.
ℹ The error occurred in group 1: ID = "A".

我不够聪明，无法弄清楚我哪里出错了，因此我为什么要恳请您的帮助！

谢谢！

解决方法

any 和sum 应该切换，即按'ID'分组后，我们计算'Yes'的数量，即逻辑表达式的sum ({{1} })，然后在 headache_y_n == 'Yes' sum 之后创建第二个表达式，用 >=3 包裹它以匹配（这里可能不需要，因为 any 只是一个值）

sum

即即使删除library(dplyr) df %>% group_by(ID) %>% mutate(criteria=case_when( any(sum(headache_y_n=="Yes") >= 3) ~ "prolonged",TRUE ~ "short" )) ，它返回相同的

any