Мульти-условный мутат

Question

У меня есть фрейм данных, который требует условного перекодирования столбца на основе даты, указанной в определенных строках для каждого поднабора идентификаторов. Я пытаюсь выяснить, как лучше всего добиться этого, используя функцию mutate в dplyr. Предложения и альтернативные решения приветствуются, но я бы не хотел использовать циклы for.

Я знаю, как написать действительно многословный и неэффективный цикл for, который бы решил эту проблему, но хотел бы знать, как сделать это более эффективно.

Пример кадра данных:

df<-data.frame(ID = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2),
               date = as.Date(c("2016-02-01","2016-02-01","2016-02-01","2016-03-21", "2016-03-21", "2016-03-21", "2016-10-05", "2016-10-05", "2016-10-05", "2016-10-05", "2016-03-01","2016-03-01","2016-03-01","2016-04-21", "2016-04-21", "2016-04-21", "2016-11-05", "2016-11-05", "2016-11-05", "2016-11-05")),
               trial = c(NA, NA, NA, 1, 1, 1, NA, NA, NA, NA, NA, NA, NA, 1, 1, 1, NA, NA, NA, NA)

Мой псевдокод - второй логический аргумент в первых двух операторах case_when, где я застрял.

df%>%
  group_by(ID)%>%
  mutate(results = case_when(
     is.na(trial) & date < date where trial = 1 ~ 0,
     is.na(trial) & date > date where trial = 1 ~ 2,
     trial == trial
  ))

Ожидаемый результат:

data.frame(ID = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2),
               date = as.Date(c("2016-02-01","2016-02-01","2016-02-01","2016-03-21", "2016-03-21", "2016-03-21", "2016-10-05", "2016-10-05", "2016-10-05", "2016-10-05", "2016-03-01","2016-03-01","2016-03-01","2016-04-21", "2016-04-21", "2016-04-21", "2016-11-05", "2016-11-05", "2016-11-05", "2016-11-05")),
               trial = c(0, 0, 0, 1, 1, 1, 2, 2, 2, 2, 0, 0, 0, 1, 1, 1, 2, 2, 2, 2)
)

Answer 1

Можно было бы сгруппировать по «ID» и преобразовать «пробную версию», применив идентификатор длины прогона (rleid) к столбцу «пробная версия»

library(dplyr)
library(data.table)
df %>%
   group_by(ID) %>% 
   mutate(trial = rleid(trial)-1)
# A tibble: 20 x 3
# Groups:   ID [2]
#      ID date       trial
#   <dbl> <date>     <dbl>
# 1     1 2016-02-01     0
# 2     1 2016-02-01     0
# 3     1 2016-02-01     0
# 4     1 2016-03-21     1
# 5     1 2016-03-21     1
# 6     1 2016-03-21     1
# 7     1 2016-10-05     2
# 8     1 2016-10-05     2
# 9     1 2016-10-05     2
#10     1 2016-10-05     2
#11     2 2016-03-01     0
#12     2 2016-03-01     0
#13     2 2016-03-01     0
#14     2 2016-04-21     1
#15     2 2016-04-21     1
#16     2 2016-04-21     1
#17     2 2016-11-05     2
#18     2 2016-11-05     2
#19     2 2016-11-05     2
#20     2 2016-11-05     2

---

Или используя rle

df %>% 
  group_by(ID) %>%
  mutate(trial = with(rle(is.na(trial)), 
             rep(seq_along(values), lengths))-1)

Answer 2

Преобразуя ваш псевдокод в код, мы можем использовать which.max(trial == 1), чтобы получить первое вхождение, где trial = 1 для каждой группы.Это также предполагает, что будет по крайней мере одна запись 1 в trial для каждого ID.

library(dplyr)

df %>%
  group_by(ID) %>%
  mutate(trial = case_when(is.na(trial) & date < date[which.max(trial == 1)] ~ 0, 
                             is.na(trial) & date > date[which.max(trial == 1)] ~ 2, 
                             TRUE ~ trial))


#      ID date       trial
#    <dbl> <date>     <dbl>
# 1     1 2016-02-01     0
# 2     1 2016-02-01     0
# 3     1 2016-02-01     0
# 4     1 2016-03-21     1
# 5     1 2016-03-21     1
# 6     1 2016-03-21     1
# 7     1 2016-10-05     2
# 8     1 2016-10-05     2
# 9     1 2016-10-05     2
#10     1 2016-10-05     2
#11     2 2016-03-01     0
#12     2 2016-03-01     0
#13     2 2016-03-01     0
#14     2 2016-04-21     1
#15     2 2016-04-21     1
#16     2 2016-04-21     1
#17     2 2016-11-05     2
#18     2 2016-11-05     2
#19     2 2016-11-05     2
#20     2 2016-11-05     2