根据以前的值更新列值（一次处理总是处理）

Posted 2023-02-24

【中文标题】根据以前的值更新列值（一次处理总是处理）

【英文标题】：Updating column values based on previous values (once treated always treated)

【发布时间】：2020-05-05 21:58:35

【问题描述】：

我想知道是否有更快的方法使用 data.table/dplyr 来按组替换基于先前值的值。

假设我的原始数据表如下所示：

DT_orig <- data.table(name = c("A", "A", "A", "B", "B", "B"), 
                      year = c("2001", "2002", "2003", "2001", "2002", "2003"),
                      treat = c(1,0,0, 0,0,1))

如下所示：

 name year treat
1:    A 2001     1
2:    A 2002     0
3:    A 2003     0
4:    B 2001     0
5:    B 2002     0
6:    B 2003     1

在这里，对于每个人（姓名）和时间段（年），都有一个列（治疗），表明他们是否已被分配治疗。

我正在考虑另一种治疗方法，即一旦对个体进行治疗，该个体就会继续接受治疗。因此，修改后的数据表应如下所示：

   name year treat
1:    A 2001     1
2:    A 2002     1
3:    A 2003     1
4:    B 2001     0
5:    B 2002     0
6:    B 2003     1

请注意，对于 A 人，在 2001 年接受治疗意味着他们在接下来的几年中也接受了“治疗”。

因为我有一个非常大的数据表，我想知道是否有一种非常快速的修改方法来实现这一点。

【参考方案1】：

也许我们可以使用cummax（来自base R）

DT_orig[, treat := cummax(treat), name]
DT_orig
#   name year treat
#1:    A 2001     1
#2:    A 2002     1
#3:    A 2003     1
#4:    B 2001     0
#5:    B 2002     0
#6:    B 2003     1

---

或者dplyr也可以这样做

library(dplyr)
DT_orig %>%
    group_by(name) %>%
    mutate(treat = cummax(treat))

---

或使用base R

DT_orig$treat <- with(DT_orig, ave(treat, name, FUN = cummax))

【讨论】：

这正是我想要的，非常简单！谢谢！当我被允许时，我会接受你的回答。

谁在反对该解决方案。我首先带着cummax来到这里

@sindri_baldur 示例显示数据是有序的

【参考方案2】：

我会使用cummax()，但这里有一个替代方案来说明data.table 的连接语法：

DT_orig[, year := as.integer(year)]
DT_orig[DT_orig[treat == 1], on = .(year >= year, name), treat := 1L]

   name year treat
1:    A 2001     1
2:    A 2002     1
3:    A 2003     1
4:    B 2001     0
5:    B 2002     0
6:    B 2003     1