Создать новую переменную на основе итоговой кумулятивной суммы другого столбца

Question

Я хотел бы создать новую переменную, которая:

• суммирует количество столбцов
• затем присваивает ранг группе в соответствии с наибольшим количеством в порядке возрастания
• и если два (или более) кумулятивных счета одинаковы, он присваивает их следующий номер.

Вот тестовый тиббл:

df.test <- tibble(
  "group"  = c(1, 1, 2, 2, 2, 3, 3, 2, 2, 1, 4),
  "score" = c(0, 2, 1, 3, 2, 2, 1, 2, 0, 0, 2)
)

и вот как бы я хотел, чтобы это выглядело:

# A tibble: 11 x 4
   group score cum.score  rank
   <dbl> <dbl>     <dbl> <dbl>
 1     1     0         0     1
 2     1     2         2     1
 3     2     1         1     4
 4     2     3         4     4
 5     2     2         6     4
 6     3     2         2     3
 7     3     1         3     3
 8     2     2         8     4
 9     2     0         8     4
10     1     0         2     1
11     4     2         2     2

Обратите внимание, что группе 4 был присвоен ранг 2, поскольку она имела такой же результат, как и группе 1, которой был присвоен ранг 1.

Это самое близкое, что у меня есть (что не близко):

df.test %>%
  group_by(group) %>%
  mutate(cum.score = cumsum(score),
         rank = last(cum.score))

но rank просто присваивает им общее количество вместо фактического ранга.

Answer 1

Я понимаю, что это помечено dplyr, но поскольку уже есть хорошее dplyr решение, я добавлю data.table версию.

В data.table вы можете объединить две таблицы a и b, добавив столбец с b (скажем, b$x) к a с a[b, on = .(somevar), x := i.x]

library(data.table)
setDT(df.test)

df.test[, cum.score := cumsum(score), group]
df.test[df.test[, max(cum.score), group][, V1 := frank(V1, ties.method = 'first')]
        , on = .(group), rank := i.V1]

df.test
#     group score cum.score rank
#  1:     1     0         0    1
#  2:     1     2         2    1
#  3:     2     1         1    4
#  4:     2     3         4    4
#  5:     2     2         6    4
#  6:     3     2         2    3
#  7:     3     1         3    3
#  8:     2     2         8    4
#  9:     2     0         8    4
# 10:     1     0         2    1
# 11:     4     2         2    2

Answer 2

Сначала определите cum.score в группе.Также определите rank внутри группы как логическую переменную, которая равна TRUE для последнего значения.Затем за пределами группировки ранжируют последние cum.score значения, используя NA для значений, отличных от последних в группе, то есть для тех значений, которые были присвоены FALSE на предыдущем шаге.Наконец, во второй группе заполните АН с рангом для этой группы.

df.test %>%
  group_by(group) %>%
  mutate(cum.score = cumsum(score), rank = 1:n() == n()) %>%
  ungroup %>%
  mutate(rank = replace(NA * score, rank, rank(cum.score[rank], ties = "first"))) %>%
  group_by(group) %>%
  mutate(rank = na.omit(rank)) %>%
  ungroup

Answer 3

Один из способов сделать это состоит в том, чтобы вычислить ранги групп в вложенной таблице и объединить их с оригиналом.Вы можете сделать это с помощью

df.test %>%
  group_by(group) %>%
  mutate(cum.score = cumsum(score)) %>% {
    x <- .
    x %>% summarize(max = max(cum.score)) %>% 
    mutate(rank=rank(max, ties.method ="first"), max=NULL) %>% 
    left_join(x, .)
  }

Это кажется необходимым, потому что вы хотите, чтобы значения были назначены внутри группы, но вы хотите, чтобы ранг назначался между группами.