使用 tapply 或 by 与函数的非默认设置

Question

我已经在 Stackoverflow 上搜索了几个小时，希望能找到一些我猜想是不言而喻的东西，但似乎没有人问过（这可能意味着它确实是不言而喻的）。

我想使用tapply 或by 来查找特定事件在数据帧中第一次发生的时间（第一个非零值）。我之前这样做的方式是通过

max.col(df, ties.method = c("first"))

但不知何故，这在与 tapply 或 by 结合使用时不起作用。这是一些示例数据

FIRM<-as.vector(sample(c("a","b","c","d"),100,replace=T))
MOMENT<-as.vector(sample((1990:1995),100,replace=T))
EVENT<-as.vector(sample(c("x12","x43","x35","y71","y81","xy1","xy67","yy123","xx901"),100,replace=T))
OCCURENCE<-as.vector(sample(c(0,1),100,replace=T))
m<-as.data.frame(cbind(FIRM,MOMENT,EVENT,OCCURENCE))

所以这是我尝试过但没有奏效的方法

1. tapply(m[,4],m[,3],max.col) # 这为每个 EVENT 提供了 1，结果向量的长度等于数据集中提到的 EVENT 的数量
2. tapply(m[,4],m[,3],max.col(m, ties.method=c("first"))) # match.fun(FUN) 中的错误： 'max.col(m, ties.method = c("first"))' 不是函数、字符或符号 另外：警告消息：在 max.col(m, ties.method = c("first")) 中：强制引入的 NAs

2 号确实是问题的症结所在。由于我不清楚的原因，一旦您将默认的打破平局方法（即“随机”）更改为我需要的方法（即“第一”），max.col 就不会被识别为函数。

此外，我希望能够找到出现非零的年份。 我认为一个明智的选择是将 MOMENT 列与 OCCURENCE 列相乘（称为该 ID）并在 ID 中查找第一个非零值（对于每个因素 EVENT）保持该 ID 值并将其他值变为零

m$MOMENT<-as.numeric(as.character(m$MOMENT))
m$OCCURENCE<-as.numeric(as.character(m$OCCURENCE))    
m[,"ID"]<-m$MOMENT * m$OCCURENCE

我尝试使用包含when 和if 语句并使用break 的函数对此进行编码，但它不起作用

tapply(m$ID,m$EVENT, function(x) m$ID[i]<- while (m$ID[i] == 0) {m$ID[i]
                  if (m$ID[i]>0) {m$YEAR[i] && break }})

这里的想法是在 m$ID == 0 时在 EVENT 上迭代函数，然后更改值并在 m$ID > 0 时中断。没用...

关于如何解决这个问题（或更简单的解决方案）的任何想法？

Answer 1

tapply 的 FUN 参数必须是函数，但问题中的代码提供的是表达式，而不是函数。试试这个：

tapply(m[,4], m[,3], max.col, ties.method =  "first")

这将给出每个事件中第一行的逻辑指示符，其中 OCCURENCE 列中有 1，第二行将选择这些行：

o <- order(m$EVENT, m$MOMENT) # omit this and next line if already ordered
m <- m[o,]

is.first <- ave(m$OCCURENCE == 1, m$EVENT, FUN = function(x) x & !duplicated(x))
m[is.first, ]

修订

• 按事件和年份排序。

• 请注意，如果可能存在只有零的事件，那么这些事件将从m[is.first, ] 中完全省略。

Answer 2

我不太确定您想要实现什么，所以这里只是一些编码建议。

首先，您需要阅读help("tapply") 以了解如何将参数传递给传递给tapply 的函数：

tapply(m[,4],m[,3],max.col, ties.method="first")

但是，我怀疑这是否满足您的需求。也许这样的东西会很有用：

m<-data.frame(FIRM,MOMENT,EVENT,OCCURENCE)
#note how I create the data.frame in a different way 
#in order to avoid coercing all columns to factors


tapply(m[,4],m[,3],which.max)
#  x12   x35   x43 xx901   xy1  xy67   y71   y81 yy123 
#    2     1     2     3     1     1     3     1     1 

tapply(m[,4],m[,3],function(x) m[which.max(x), "MOMENT"])
#  x12   x35   x43 xx901   xy1  xy67   y71   y81 yy123 
# 1995  1995  1995  1991  1995  1995  1991  1995  1995