dplyr ломтик новые переменные - PullRequest
Новая
       20

dplyr ломтик новые переменные

0 голосов
/ 30 июня 2019 
data=data.frame("student"=c(1,1,1,1,2,2,2,3,3,3,3,4,4,4,4),
"year"=c(2014,2015,2016,2017,2014,2015,2016,2014,2015,2016,2017,2014,2015,2016,2017),
"grade"=c(9,10,11,12,9,10,11,9,10,11,12,9,10,11,12),
"scoreA"=c(0,0,0,0,0,0,2,0,1,1,2,0,0,1,1),
"scoreB"=c(0,0,0,0,0,0,2,0,0,1,2,0,0,0,1),
"WANTgradeA"=c(12,12,12,12,11,11,11,10,10,10,10,11,11,11,11),
"WANTscoreA"=c(0,0,0,0,2,2,2,1,1,1,1,1,1,1,1),
"WANTgradeB"=c(12,12,12,12,11,11,11,11,11,11,11,12,12,12,12),
"WANTscoreB"=c(0,0,0,0,2,2,2,1,1,1,1,1,1,1,1))

Это мои данные. Мой ожидаемый вывод - это все переменные, которые начинаются с 'WANT'

  • WANTgradeA равен первому / наименьшему классу, когда оценка A больше 0 и

  • Если оценка A никогда не поднимается выше 0, тогда WANTgradeA равен максимуму GRADE. и WANTscoreA равно максимуму ScoreA.

  • WANTgradeB равен первому / наименьшему GRADE, когда показатель B равен больше 0 и

  • Если оценка B никогда не поднимается выше 0, тогда WANTgradeB равен максимуму GRADE. и WANTscoreB равно максимальному количеству очковB

Моя попытка не может добавить эти 4 новые переменные вместо того, чтобы прервать данные 

data %>% 
    group_by(student) %>%
    filter(value == max(score > 0))

1 Ответ

1 голос
/ 30 июня 2019

Вот решение dplyr - 

df %>% 
  group_by(student) %>% 
  mutate(
    wgradeA = case_when(
      any(scoreA > 0) ~ grade[scoreA > 0][1],
      TRUE ~ max(grade)
    ),
    wscoreA = scoreA[match(TRUE, scoreA > 0, nomatch = 1)],
    wgradeB = case_when(
      any(scoreB > 0) ~ grade[scoreB > 0][1],
      TRUE ~ max(grade)
    ),
    wscoreB = scoreB[match(TRUE, scoreB > 0, nomatch = 1)]
  ) %>% 
  ungroup()

# A tibble: 15 x 13
   student  year grade scoreA scoreB WANTgradeA WANTscoreA WANTgradeB WANTscoreB wgradeA wscoreA wgradeB wscoreB
     <dbl> <dbl> <dbl>  <dbl>  <dbl>      <dbl>      <dbl>      <dbl>      <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
 1       1  2014     9      0      0         12          0         12          0      12       0      12       0
 2       1  2015    10      0      0         12          0         12          0      12       0      12       0
 3       1  2016    11      0      0         12          0         12          0      12       0      12       0
 4       1  2017    12      0      0         12          0         12          0      12       0      12       0
 5       2  2014     9      0      0         11          2         11          2      11       2      11       2
 6       2  2015    10      0      0         11          2         11          2      11       2      11       2
 7       2  2016    11      2      2         11          2         11          2      11       2      11       2
 8       3  2014     9      0      0         10          1         11          1      10       1      11       1
 9       3  2015    10      1      0         10          1         11          1      10       1      11       1
10       3  2016    11      1      1         10          1         11          1      10       1      11       1
11       3  2017    12      2      2         10          1         11          1      10       1      11       1
12       4  2014     9      0      0         11          1         12          1      11       1      12       1
13       4  2015    10      0      0         11          1         12          1      11       1      12       1
14       4  2016    11      1      0         11          1         12          1      11       1      12       1
15       4  2017    12      1      1         11          1         12          1      11       1      12       1
...