как определить строки, в которых элемент появляется впервые?

Question

У меня есть следующий набор данных студенческих записей.я хочу определить учащихся, которые впервые присоединились к определенной программе в 2014 году, когда они были в 9-м классе.

names.first<-c('a','a','b','b','c','d')
names.last<-c('c','c','z','z','f','h')
year<-c(2014,2013,2014,2015,2015,2014)
grade<-c(9,8,9,10,10,10)

df<-data.frame(names.first,names.last,year,grade)
df

Для этого я использовал следующее утверждение, чтобы сказать, что я хочу, чтобы студентыгде программа year==2014 и их grade ==9.

 df$first.cohort<-ifelse(df$year==2014 & df$grade==9,1,0)
df



  names.first names.last year grade first.cohort
1           a          c 2014     9            1
2           a          c 2013     8            0
3           b          z 2014     9            1
4           b          z 2015    10            0
5           c          f 2015    10            0
6           d          h 2014    10            0

Однако, как вы можете заметить, это будет включать студентов, которые не вошли в программу в 2014 году, таких как студент a, который начал в 2013Как создать заявление ifelse, в котором я собираю только тех учеников, которые находятся в 9-м классе и впервые запустили программу в 2014 году, чтобы df выглядело как

  names.first names.last year grade first.cohort
1           a          c 2014     9            0
2           a          c 2013     8            0
3           b          z 2014     9            1
4           b          z 2015    10            0
5           c          f 2015    10            0
6           d          h 2014    10            0

Answer 1

Использование dplyr

library(dplyr)
df%>%group_by(names)%>%dplyr::mutate(Fc=as.numeric((year==2014&grade==9)&(min(year)==2014)))
# A tibble: 6 x 4
# Groups:   names [4]
   names  year grade    Fc
  <fctr> <dbl> <dbl> <dbl>
1      a  2014     9     0
2      a  2013     8     0
3      b  2014     9     1
4      b  2015    10     0
5      c  2015    10     0
6      d  2014    10     0

Answer 2

Мы можем использовать first после arrange, используя 'name' и 'year', чтобы создать логическое выражение

library(dplyr)
df %>% 
   arrange(names, year) %>% 
   group_by(names) %>% 
   mutate(first.cohort = as.integer(grade == 9 & first(year) == 2014))
# A tibble: 6 x 4
# Groups:   names [4]
#  names  year grade first.cohort
#  <fct> <dbl> <dbl>        <int>
#1 a      2013     8            0
#2 a      2014     9            0
#3 b      2014     9            1
#4 b      2015    10            0
#5 c      2015    10            0
#6 d      2014    10            0

Для сохранения того же порядка, что и во входном наборе данных, мы можем создатьсначала столбец последовательности, а затем выполните arrange в столбце после mutate

df %>% 
   mutate(rn = row_number()) %>%
   arrange(names, year) %>% 
   group_by(names) %>% 
   mutate(first.cohort = as.integer(grade == 9 & first(year) == 2014)) %>%
   ungroup %>%
   arrange(rn) %>%
   select(-rn)

---

или используя ту же логику с data.table, что дает дополнительное преимущество в сохранении того же порядкакак во входном наборе данных

library(data.table)
setDT(df)[order(names, year), first.cohort := as.integer(grade == 9 &
           first(year) == 2014), names]

Обновление

С новым примером в посте ОП мы группируем по обоим столбцам «имена»

df %>% 
   arrange(names.first, names.last, year) %>%
   group_by(names.first, names.last) %>%
   mutate(first.cohort = as.integer(grade == 9 & first(year) == 2014))
# A tibble: 6 x 5
# Groups:   names.first, names.last [4]
#  names.first names.last  year grade first.cohort
#  <fct>       <fct>      <dbl> <dbl>        <int>
#1 a           c           2013     8            0
#2 a           c           2014     9            0
#3 b           z           2014     9            1
#4 b           z           2015    10            0
#5 c           f           2015    10            0
#6 d           h           2014    10            0