根据前 n 行有条件地创建新列

Posted

技术标签:

【中文标题】根据前 n 行有条件地创建新列【英文标题】:Creating a new column conditionally based on previous n rows 【发布时间】:2020-03-16 18:01:30 【问题描述】:

我有一个如下设置的数据框:

 df <- data.frame("id" = c(111,111,111,222,222,222,222,333,333,333,333), 
                  "Location" = c("A","B","A","A","C","B","A","B","A","A","A"), 
                  "Encounter" = c(1,2,3,1,2,3,4,1,2,3,4))

      id Location Encounter
1  111        A         1
2  111        B         2
3  111        A         3
4  222        A         1
5  222        C         2
6  222        B         3
7  222        A         4
8  333        B         1
9  333        A         2
10 333        B         3
11 333        A         4

我基本上是在尝试为每个 id 组创建一个位置在先前遭遇中的二进制标志。所以它看起来像:

    id Location Encounter Flag
1  111        A         1    0
2  111        B         2    0
3  111        A         3    1
4  222        A         1    0
5  222        C         2    0
6  222        B         3    0
7  222        A         4    1
8  333        B         1    0
9  333        A         2    0
10 333        B         3    1
11 333        A         4    1

我试图弄清楚如何执行 if 语句,例如:

library(dplyr)

df$Flag <- case_when((df$id - lag(df$id)) == 0 ~ 
                case_when(df$Location == lag(df$Location, 1) | 
                          df$Location == lag(df$Location, 2) | 
                          df$Location == lag(df$Location, 3) ~ 1, T ~ 0), T ~ 0)

    id Location Flag
1  111        A    0
2  111        B    0
3  111        A    1
4  222        A    0
5  222        C    0
6  222        B    0
7  222        A    1
8  333        B    0
9  333        A    1
10 333        B    1
11 333        A    1

但这存在第 9 行被错误地分配为 1 的问题,并且在实际数据中存在 15 次以上遭遇的情况,因此这变得非常麻烦。我希望找到一种方法来做类似的事情

lag(df$Location, 1:df$Encounter)

但我知道lag() 需要一个整数来表示 k,因此该特定命令不起作用。

【问题讨论】:

【参考方案1】:

你也可以这样用:

library(data.table)
setDT(df)[,flag:=ifelse(1:.N>1,1,0),by=.(id,Location)] 

【讨论】:

【参考方案2】:

更通用的data.table 解决方案是使用.Nrowid

library(data.table)

setDT(dt)[, Flag := +(rowid(id, Location)>1)][]

setDT(df)[, Flag := +(seq_len(.N)>1), .(id, Location)][]
#>      id Location  Encounter Flag
#> 1:  111        A         1    0
#> 2:  111        B         2    0
#> 3:  111        A         3    1
#> 4:  222        A         1    0
#> 5:  222        C         2    0
#> 6:  222        B         3    0
#> 7:  222        A         4    1
#> 8:  333        B         1    0
#> 9:  333        A         2    0
#> 10: 333        A         3    1
#> 11: 333        A         4    1

【讨论】:

【参考方案3】:

使用data.table

library(data.table)

dt[, flag:=1]
dt[, flag:=cumsum(flag), by=.(id,Location)]
dt[, flag:=ifelse(flag>1,1,0)]

数据:

dt <- data.table("id" = c(111,111,111,222,222,222,222,333,333,333,333), 
                 "Location" = c("A","B","A","A","C","B","A","B","A","A","A"),
                 "Encounter" = c(1,2,3,1,2,3,4,1,2,3,4))

【讨论】:

【参考方案4】:

在base R中,我们可以使用aveidLocation分组,并将组第二行的所有值都变为1。

df$Flag <- as.integer(with(df, ave(Encounter, id, Location, FUN = seq_along) > 1))
df

#    id Location Encounter Flag
#1  111        A         1    0
#2  111        B         2    0
#3  111        A         3    1
#4  222        A         1    0
#5  222        C         2    0
#6  222        B         3    0
#7  222        A         4    1
#8  333        B         1    0
#9  333        A         2    0
#10 333        A         3    1
#11 333        A         4    1

使用dplyr,那就是

library(dplyr)

df %>%  group_by(id, Location) %>%  mutate(Flag = as.integer(row_number() > 1))

【讨论】:

【参考方案5】:

duplicated 的选项

library(dplyr)
df %>% 
  group_by(id) %>% 
  mutate(Flag = +(duplicated(Location)))
# A tibble: 11 x 4
# Groups:   id [3]
#      id Location Encounter  Flag
#   <dbl> <fct>        <dbl> <int>
# 1   111 A                1     0
# 2   111 B                2     0
# 3   111 A                3     1
# 4   222 A                1     0
# 5   222 C                2     0
# 6   222 B                3     0
# 7   222 A                4     1
# 8   333 B                1     0
# 9   333 A                2     0
#10   333 A                3     1
#11   333 A                4     1

【讨论】:

以上是关于根据前 n 行有条件地创建新列的主要内容,如果未能解决你的问题,请参考以下文章

如何根据熊猫中其他列的条件创建新列

如何根据一个数据帧中的列值和R中另一个数据帧的列标题名称有条件地创建新列

有条件地创建熊猫列的最快方法

根据sql中的条件创建新列?

根据 R 中的条件包含满足条件创建一个新列

python 根据条件创建新列