计算事故的发生直到下一次事故
Posted
技术标签:
【中文标题】计算事故的发生直到下一次事故【英文标题】：Count the occurences of accidents until the next accidents 【发布时间】：2022-01-22 08:46:50 【问题描述】：我有以下数据框，我想创建“OUTPUT_COLUMN”。
列说明：
ID 是策略的标识号 ID_REG_YEAR 是每个注册年份的标识号 CALENDAR_YEAR 是政策暴露的年份 NUMBER_OF_RENEWALS 是政策已续订的数字计数 ACCIDENT 是事故发生数据集的关键： ID_REG_YEAR 和 CALENDAR_YEAR
基本上，如果列 NUMBER_OF_RENEWALS = 0 则 OUTPUT_COLUMN = 100。之前未发生事故的任何行都应包含 100（例如第 13、16、17 行）。如果发生事故，我想计算下一次事故前的续订次数。
ID ID_REG_YEAR CALENDAR_YEAR NUMBER_OF_RENEWALS ACCIDENT OUTPUT_COLUMN
1 A A_2015 2015 0 YES 100
2 A A_2015 2016 0 YES 100
3 A A_2016 2016 1 YES 0
4 A A_2016 2017 1 YES 0
5 A A_2017 2017 2 NO 1
6 A A_2017 2018 2 NO 1
7 A A_2018 2018 3 NO 2
8 A A_2018 2019 3 NO 2
9 A A_2019 2019 4 YES 0
10 A A_2019 2020 4 YES 0
11 B B_2015 2015 0 NO 100
12 B B_2015 2016 0 NO 100
13 B B_2016 2016 1 NO 100
14 C C_2013 2013 0 NO 100
15 C C_2013 2014 0 NO 100
16 C C_2014 2014 1 NO 100
17 C C_2014 2015 1 NO 100
18 C C_2015 2015 2 YES 0
19 C C_2015 2016 2 YES 0
20 C C_2016 2016 3 NO 1
21 C C_2016 2017 3 NO 1
22 C C_2017 2017 4 NO 2
23 C C_2017 2018 4 NO 2
24 C C_2018 2018 5 YES 0
25 C C_2018 2019 5 YES 0
26 C C_2019 2019 6 NO 1
27 C C_2019 2020 6 NO 1
28 C C_2020 2020 7 NO 2
【问题讨论】：
【参考方案1】：这是一个dplyr 解决方案。首先，为注册年份获取一个单独的列，该列将用于计算自上次事故以来的续订（假设这是自上次事故以来的年份）。然后，在按ID 分组后创建一列以包含上次事故的年份。使用fill 将传播此值。最终结果列将设置为 100（如果之前没有事故，或 NUMBER_OF_RENEWALS 为零）与注册年份 - 上次事故年份。
library(dplyr)
df %>%
separate(ID_REG_YEAR, into = c("ID_REG", "REG_YEAR"), convert = T) %>%
group_by(ID) %>%
mutate(LAST_ACCIDENT = ifelse(ACCIDENT == "YES", REG_YEAR, NA_integer_)) %>%
fill(LAST_ACCIDENT, .direction = "down") %>%
mutate(OUTPUT_COLUMN_2 = ifelse(
is.na(LAST_ACCIDENT) | NUMBER_OF_RENEWALS == 0, 100, REG_YEAR - LAST_ACCIDENT
))
输出
ID ID_REG REG_YEAR CALENDAR_YEAR NUMBER_OF_RENEWALS ACCIDENT OUTPUT_COLUMN LAST_ACCIDENT OUTPUT_COLUMN_2
<chr> <chr> <int> <int> <int> <chr> <int> <int> <dbl>
1 A A 2015 2015 0 YES 100 2015 100
2 A A 2015 2016 0 YES 100 2015 100
3 A A 2016 2016 1 YES 0 2016 0
4 A A 2016 2017 1 YES 0 2016 0
5 A A 2017 2017 2 NO 1 2016 1
6 A A 2017 2018 2 NO 1 2016 1
7 A A 2018 2018 3 NO 2 2016 2
8 A A 2018 2019 3 NO 2 2016 2
9 A A 2019 2019 4 YES 0 2019 0
10 A A 2019 2020 4 YES 0 2019 0
# … with 18 more rows
注意：如果您想使用您的保单编号 (NUMBER_OF_RENEWALS) 而不是按年计算，您可以执行类似的操作。您可以包括最近的事故政策，而不是添加最后一个事故年份的列。然后，您的输出列可以反映保单编号而不是年份（考虑可能会跳过一年或多年）。
df %>%
separate(ID_REG_YEAR, into = c("ID_REG", "REG_YEAR"), convert = T) %>%
group_by(ID) %>%
mutate(LAST_ACCIDENT_POLICY = ifelse(ACCIDENT == "YES", NUMBER_OF_RENEWALS, NA_integer_)) %>%
fill(LAST_ACCIDENT_POLICY, .direction = "down") %>%
mutate(OUTPUT_COLUMN_2 = ifelse(
is.na(LAST_ACCIDENT_POLICY) | NUMBER_OF_RENEWALS == 0, 100, NUMBER_OF_RENEWALS - LAST_ACCIDENT_POLICY
))
【讨论】：
以上是关于计算事故的发生直到下一次事故的主要内容，如果未能解决你的问题，请参考以下文章