dplyr 中的“转发”累积总和

Question

在检查纵向研究的数据集时，我通常会从原始数据的dplyr 分析链中得到类似的结果：

df = data.frame(n_sessions=c(1,2,3,4,5), n_people=c(59,89,30,23,4))

即在这个时间点有多少参与者完成了一定数量的评估。

虽然知道有多少人完成了n 个会话很有用，但我们更经常需要知道有多少人完成了至少 n 个 个会话。根据下表，标准累积和不合适，我们想要的是n_total 列中的值，这是n_people 列中值的一种“转发累积和”。即每一行中的值应该是它自身的值和超出它的所有值的总和，而不是标准的累积总和，它是直到并包括它自身的所有值的总和：

n_sessions n_people  n_total  cumsum
         1       59      205      59
         2       89      146     148
         3       30       57     178
         4       23       27     201
         5        4        4     205

生成累积和很简单：

mutate(df, cumsum = cumsum(n_people))

生成可以合并到dplyr 分析链中的“前向累积总和”的表达式是什么？我猜想cumsum 需要在按n_sessions 降序排序后应用于n_people，但我不知道如何在保留数据框的原始顺序的同时获得答案。

Answer 1

您可以取反转向量的累积和，然后反转该结果。内置的rev 函数在这里很有帮助：

mutate(df, rev_cumsum = rev(cumsum(rev(n_people))))

例如，在您的数据上返回：

  n_sessions n_people rev_cumsum
1          1       59        205
2          2       89        146
3          3       30         57
4          4       23         27
5          5        4          4