Как мне присоединиться к фильтру вместо ключа?

Question

У меня есть датафрейм со списком действий в год, например:

print(df)

      id        actions      year       
      b           2       1995 
      c           156     1997 
      e           53      1996 
      f           109     1994 

Я бы хотел составить список тех, у кого было больше всего действий за каждый год, чтобы он выгляделкак это -

print(output)

      asofyear        id      actions      rank       
      1994            f       109          1
      1995            f       109          1
      1995            b       2            2
      1996            f       109          1
      1996            e       53           2
      1996            b       2            3
      1997            c       156          1
      1997            f       109          2
      1997            e       53           3
      1997            b       2            4

Как мне сделать это объединение, где оно ранжирует каждые id для значений id с годом, который меньше asofyear.Одна идея, о которой я думал, была примерно такой:

asOfYear <- seq(as.Date("1995-01-01"),as.Date("2000-01-01"),by="year")

asOfYear %>% 
    left_join(df, by = (asOfYear <= year)) %>%
    arrange(asofyear, actions) %>%
    group_by(asofyear) %>% 
    mutate(rank = row_number())

Я не знаю, как заставить работать этот ключ объединения, но я бы хотел сделать это с dplyr.

Answer 1

Метод Base R с использованием lapply, предполагая, что у вас есть уникальные годы в df, мы можем отфильтровать рамки для каждого year, упорядочить их по столбцу action и добавить столбец rank с номером строки.

do.call(rbind, lapply(sort(df$year), function(x) {
     temp = df[df$year <= x, ]
     transform(year = x,temp[order(temp$actions,decreasing = TRUE), ], 
               rank = 1:nrow(temp))  
}))

#   id actions year rank
#4   f     109 1994    1
#41  f     109 1995    1
#1   b       2 1995    2
#42  f     109 1996    1
#3   e      53 1996    2
#11  b       2 1996    3
#2   c     156 1997    1
#43  f     109 1997    2
#31  e      53 1997    3
#12  b       2 1997    4

---

Если мы хотим сделать это, используя tidyverse инструменты, мы можем сделать

map_dfr(sort(df$year), function(x) 
          df %>% 
           filter(year <= x) %>%
           arrange(desc(actions)) %>%
           mutate(year = x, 
                  rank = row_number()))


#   id actions year rank
#1   f     109 1994    1
#2   f     109 1995    1
#3   b       2 1995    2
#4   f     109 1996    1
#5   e      53 1996    2
#6   b       2 1996    3
#7   c     156 1997    1
#8   f     109 1997    2
#9   e      53 1997    3
#10  b       2 1997    4

Как работает подход tidyverse:

Любой тип map.. используется для циклического прохождения каждого переданного элемента (здесь year).map_dfr означает, что он ожидает, что выходные данные каждой операции будут представлять собой фрейм данных (df из map_dfr), и он будет связывать все выходные данные фрейма вместе (r из map_dfr), также есть map_dfcкоторый связывает выходные данные.

Теперь для каждых year it filters df для year значений, которые меньше, чем текущее значение (x), затем упорядочивает кадр данных внисходящий (desc) порядок, основанный на значениях в actions.Создает два новых столбца, используя mutate, первый из которых year (уже существующий столбец year заменен) получает текущее значение year, равное x, а столбец rank дает добавочный номер строкидля каждой строки в кадре данных.

Чтобы понять подробности операции, я бы посоветовал вам выполнить шаги вручную для каждого year.

Таким образом, для первого года 1994 это дает вывод как

df %>% 
  filter(year <= 1994) %>%
  arrange(desc(actions)) %>%
  mutate(year = 1994, 
         rank = row_number())

#  id actions year rank
#1  f     109 1994    1

Для 1995 это дает вывод

df %>% 
  filter(year <= 1995) %>%
  arrange(desc(actions)) %>%
  mutate(year = 1995, 
         rank = row_number())

#  id actions year rank
#1  f     109 1995    1
#2  b       2 1995    2

и так далее, итерация для каждого year.Таким образом, для каждого year вы получите такие кадры данных, и мы вместе свяжем окончательный результат.