创建一个等于另一个（分组）观察值的变量

Question

首先，感谢所有为本网站做出贡献的人。它对我弄清楚 R 很有帮助。

我有一个结构如下的数据集（非常过于简单的示例）：

#> Var 1   Var2 Var 3    Var 4    Var5
#>  1         1 1         A        1200
#>  2         1 2         A        2300
#>  3         1 1         A        1200
#>  4         2 2         A        2300
#>  5         2 1         B        1200
#>  6         3 2         B        2300
#>  7         3 1         B        1200
#>  8         3 2         B        2300
#>  9         3 1         B        1200
#> 10         4 2         B        2300

我想 (1) 根据 Var 1、Var 2 和 Var 3 将数据分组在一起；这往往会创建两行组。在这些配对中，我希望 (2) 根据配对中其他观测值的 Var 4 和 Var 5 的值创建一个新变量 (Var 6)。在步骤 (2) 中，我基本上想创建一个变量来交换每对 Var 5 的观察结果。

代码如下所示：

df2 <- df1 %>% 
  dplyr::group_by(Var1, Var2, Var3) %>% 
  dplyr::mutate(Var6 = case_when(Var5 == A ~ Var5[Var5 == B]), Var5 == B ~ Var5[Var5 == A])
)

Output should look like this: 

#> Var 1   Var2 Var 3    Var 4    Var5    Var 6
#>  1         1 1         A        1200    2300
#>  2         1 2         A        2300    1200
#>  3         1 1         A        1200    2300
#>  4         2 2         A        2300    1200
#>  5         2 1         B        1200    2300
#>  6         3 2         B        2300    1200
#>  7         3 1         B        1200    2300
#>  8         3 2         B        2300    1200
#>  9         3 1         B        1200    2300
#> 10         4 2         B        2300    1200

使用上面的代码，我收到以下错误消息：

`Var 6` must be size 1, not 0.
Backtrace:
 1. ... %>% ...
 9. dplyr:::dplyr_internal_error(...)

Answer 1

我要更改

Var1

，然后仅对其进行分组，这样我们就可以获得 2 行的组。我还将确保我们有几个仅包含 1 行的组，用于演示值交换逻辑。您不需要第一个

mutate

与您的真实数据，我们假设它有足够的可变性来为您提供您所说的期望的 2 行。

df1 %>%
  mutate(Var1 = replace(rep(1:5, each=2), 10, 6)) %>%
  group_by(Var1) %>%
  mutate(Var6 = if (n() == 1) Var5 else rev(Var5)) %>%
  ungroup()
# # A tibble: 10 × 6
#     Var1  Var2  Var3 Var4   Var5  Var6
#    <dbl> <int> <int> <chr> <int> <int>
#  1     1     1     1 A      1200  2300
#  2     1     1     2 A      2300  1200
#  3     2     1     1 A      1200  2300
#  4     2     2     2 A      2300  1200
#  5     3     2     1 B      1200  2300
#  6     3     3     2 B      2300  1200
#  7     4     3     1 B      1200  2300
#  8     4     3     2 B      2300  1200
#  9     5     3     1 B      1200  1200
# 10     6     4     2 B      2300  2300

这确实依赖于它们仅由 1 或 2 行组成，绝不会更多。如果这是一个因素，那么

rev(.)

黑客攻击很可能会失败。如果是这样的话，那么我们需要在有多行时想出逻辑。

为此，我们可以生成一个简单的函数，一旦“这一行”的值被删除，该函数就会获取第一个值。事实上，我会给你两个选择：

• Var6a：负索引（

  Var5[-i][1]

  ）确保删除该行的值，并获取第一个剩余值；如果由于某种原因你在一个组中重复

  Var5

  ，那么这可能会导致相同的值
• Var6c：

  setdiff

  ，从候选中删除该行的值并返回第一个剩余值；如果你在一个组中有重复

  Var5

  ，这个方法保证你不会得到相同的值

对于这两者中的每一个，我还使用

coalesce

提供清理操作，以防您 must 在

Var6

中具有值，默认为原始

Var5

。当组只有 1 行或

Var5

不变时，这非常有用。

df1 %>%
  mutate(Var1 = replace(rep(1:5, each=2), 10, 6)) %>%
  group_by(Var1) %>%
  mutate(
    Var6a = sapply(row_number(), function(i) Var5[-i][1]), 
    Var6b = coalesce(Var6a, Var5), 
    Var6c = sapply(Var5, function(v5) setdiff(Var5, v5)[1]), 
    Var6d = coalesce(Var6c, Var5)
  ) %>%
  ungroup()
# # A tibble: 10 × 9
#     Var1  Var2  Var3 Var4   Var5 Var6a Var6b Var6c Var6d
#    <dbl> <int> <int> <chr> <int> <int> <int> <int> <int>
#  1     1     1     1 A      1200  2300  2300  2300  2300
#  2     1     1     2 A      2300  1200  1200  1200  1200
#  3     2     1     1 A      1200  2300  2300  2300  2300
#  4     2     2     2 A      2300  1200  1200  1200  1200
#  5     3     2     1 B      1200  2300  2300  2300  2300
#  6     3     3     2 B      2300  1200  1200  1200  1200
#  7     4     3     1 B      1200  2300  2300  2300  2300
#  8     4     3     2 B      2300  1200  1200  1200  1200
#  9     5     3     1 B      1200    NA  1200    NA  1200
# 10     6     4     2 B      2300    NA  2300    NA  2300