Я работаю с данными о выборах, где на каждых выборах кандидаты перечислены в соответствии со случайно сгенерированным алфавитом; Я пытаюсь воссоздать порядок кандидатов. Таким образом, для выборов 1 алфавит может быть «B, C, A», и, таким образом, кандидаты на этих выборах будут появляться в следующем порядке: «Брайант, Карлсон, Андерсон»; кандидаты на выборах 2, где алфавит «C, A, B», будут перечислены как «Чавес, Армстронг, Браун»; и так далее.
Мой план состоял в том, чтобы разбить имена на столбцы с отдельными буквами, а затем отсортировать столбцы, используя алфавит для этих выборов. Вот минимальный df:
set.seed(124)
a2000 <- sample(letters[1:9], r = F)
a2001 <- sample(letters[1:9], r = F)
a2002 <- sample(letters[1:9], r = F)
d <- data.frame(
electionid = rep(1:3, each = 3),
year = rep(2000:2002, each = 3),
last1 = sample(letters[1:9], r = T),
last2 = sample(letters[1:9], r = T),
alph = I(list(a2000,a2000,a2000,a2001,a2001,a2001,a2002,a2002,a2002)))
last_cols <- c("last1", "last2") # in real dataset, many more columns here
newd <- d %>%
group_by(electionid) %>% # order columns within election, not within dataframe
arrange_at(last_cols, funs(factor(., levels = alph[[1]]))) %>% # set new alphabet for each variable
mutate(race_order = seq(n())) %>% # create ordering variable
arrange(electionid) # rearrange for easy checking
Ключевая проблема заключается в том, что каждый алфавит встречается синонимично с electionid, поэтому попытка разложить каждый столбец (last1 и last2) только с помощью переменной alph возвращает ошибку оценки (например, factor level [2] is duplicated. ). Когда я использую такие параметры, как alph[[1]] (в примере), unique(alph), first(alph), coalesce(alph) и т. Д., Я избавляюсь от ошибки, но кажется, что либо используется первый алфавит, который встречается в наборе данных (a2000), или вообще не сортировать.
Что я получу с кодом выше (используя dput):
structure(list(electionid = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L,
3L), year = c(2000L, 2000L, 2000L, 2001L, 2001L, 2001L, 2002L,
2002L, 2002L), last1 = structure(c(1L, 1L, 4L, 3L, 2L, 6L, 3L,
5L, 5L), .Label = c("a", "d", "f", "g", "h", "i"), class = "factor"),
last2 = structure(c(1L, 6L, 6L, 5L, 2L, 4L, 3L, 3L, 4L), .Label = c("c",
"d", "e", "g", "h", "i"), class = "factor"), alph = structure(list(
c("b", "e", "g", "d", "c", "f", "h", "a", "i"), c("b",
"e", "g", "d", "c", "f", "h", "a", "i"), c("b", "e",
"g", "d", "c", "f", "h", "a", "i"), c("a", "h", "g",
"d", "b", "e", "f", "i", "c"), c("a", "h", "g", "d",
"b", "e", "f", "i", "c"), c("a", "h", "g", "d", "b",
"e", "f", "i", "c"), c("a", "g", "h", "e", "d", "b",
"f", "i", "c"), c("a", "g", "h", "e", "d", "b", "f",
"i", "c"), c("a", "g", "h", "e", "d", "b", "f", "i",
"c")), class = "AsIs"), race_order = c(1L, 2L, 3L, 1L,
2L, 3L, 1L, 2L, 3L)), class = c("grouped_df", "tbl_df", "tbl",
"data.frame"), row.names = c(NA, -9L), vars = "electionid", indices = list(
0:2, 3:5, 6:8), drop = TRUE, group_sizes = c(3L, 3L, 3L), biggest_group_size = 3L, labels = structure(list(
electionid = 1:3), class = "data.frame", row.names = c(NA,
-3L), vars = "electionid", indices = list(0:2, 3:5, 6:8), drop = TRUE, group_sizes = c(3L, 3L, 3L), biggest_group_size = 3L))
Который печатается как:
# A tibble: 9 x 6
# Groups: electionid [3]
electionid year last1 last2 alph race_order
<int> <int> <fct> <fct> <I(list)> <int>
1 1 2000 c b <chr [9]> 1 # This is with alphabet a2000
2 1 2000 h i <chr [9]> 2 # This is with alphabet a2000
3 1 2000 d b <chr [9]> 3 # This is with alphabet a2000
4 2 2001 h c <chr [9]> 1 # This is with alphabet a2001
5 2 2001 c b <chr [9]> 2 # This is with alphabet a2001
6 2 2001 d h <chr [9]> 3 # This is with alphabet a2001
7 3 2002 h g <chr [9]> 1 # This is with alphabet a2002
8 3 2002 a c <chr [9]> 2 # This is with alphabet a2002
9 3 2002 i d <chr [9]> 3 # This is with alphabet a2002
Что бы я хотел получить:
# A tibble: 9 x 6
# Groups: electionid [3]
electionid year last1 last2 alph race_order
<int> <int> <fct> <fct> <I(list)> <int>
1 1 2000 d b <chr [9]> 1 # Previously ranked 3
2 1 2000 h i <chr [9]> 2
3 1 2000 c b <chr [9]> 3 # Previously ranked 1
4 2 2001 c b <chr [9]> 1 # Previously ranked 2
5 2 2001 h c <chr [9]> 2 # Previously ranked 1
6 2 2001 d h <chr [9]> 3
7 3 2002 h g <chr [9]> 1
8 3 2002 a c <chr [9]> 2
9 3 2002 i d <chr [9]> 3
Другими словами, я бы сгенерировал переменную подсчета (race_order), которая воссоздает, где каждый кандидат будет указан в списке, основываясь на применении уникального алфавита этих выборов к их имени!