选择第一个观察到的数据并利用 mutate答案

【问题标题】：Select first observed data and utilize mutate选择第一个观察到的数据并利用 mutate
【发布时间】：2015-06-11 17:02:36
【问题描述】：

我的数据遇到了问题，我想为每个人id 获取第一个观察到的ob 得分score，然后从最后观察到的score 中减去它。

要求第一次观察减去最后一次观察的问题是，有时第一次观察数据会丢失。

是否需要询问每个人的第一个观察分数，从而跳过任何缺失的数据？

我构建了下面的 df 来说明我的问题。

help <- data.frame(id = c(5,5,5,5,5,12,12,12,17,17,20,20,20),
                   ob = c(1,2,3,4,5,1,2,3,1,2,1,2,3),
                   score = c(NA, 2, 3, 4, 3, 7, 3, 4, 3, 4, NA, 1, 4))

   id ob score
1   5  1    NA
2   5  2     2
3   5  3     3
4   5  4     4
5   5  5     3
6  12  1     7
7  12  2     3
8  12  3     4
9  17  1     3
10 17  2     4
11 20  1    NA
12 20  2     1
13 20  3     4

而我希望运行的是可以给我的代码......

   id ob score  es
1   5  1    NA  -1
2   5  2     2  -1
3   5  3     3  -1
4   5  4     4  -1
5   5  5     3  -1
6  12  1     7   3
7  12  2     3   3
8  12  3     4   3
9  17  1     3  -1
10 17  2     4  -1
11 20  1    NA  -3
12 20  2     1  -3
13 20  3     4  -3

我正在尝试使用 dplyr，并且我了解“group_by”命令的使用，但是，不确定如何“选择”仅首先观察到的分数，然后变异以创建 es。

【问题讨论】：

标签： r dplyr

【解决方案1】：

我会使用first() 和last()（dplyr 函数）和na.omit()（来自默认统计包。

首先，我会确保您的分数列是具有正确 NA 值的数字列（而不是您示例中的字符串）

help <- data.frame(id = c(5,5,5,5,5,12,12,12,17,17,20,20,20),
       ob = c(1,2,3,4,5,1,2,3,1,2,1,2,3),
       score = c(NA, 2, 3, 4, 3, 7, 3, 4, 3, 4, NA, 1, 4))

那你就可以了

library(dplyr)
help %>% group_by(id) %>% arrange(ob) %>% 
    mutate(es=first(na.omit(score)-last(na.omit(score))))

【讨论】：

当我在我的实际数据上运行此代码时，我得到一个错误 --> “错误：不知道如何为类数字对象生成默认值”。变量是数字的，并且有相当数量的 NA，例如一些 id 除了 NA 之外什么都没有，而另一些则没有。有什么想法吗？
如果你只有 NA 值，你想返回什么？如果您的示例数据包含此场景以及所需的输出，那就太好了。
同意。所以问题在于有 3 个不同的 score 变量，每个 id 都有三个变量之一的分数。我以为我可以只为每个人运行代码，但是如果 group_by 中的 id 没有任何得分数据，则会弹出错误消息......可能是因为 na.omit 取出所有数据并在那里没有什么可减去的。
如果整个组只包含NAs，您可以告诉first() 或last() 如何使用default= 参数来处理它，例如：es = first(na.omit(score), default=NA)
@MrFlick - 此代码不再有效，我很难弄清楚。我猜它与 dplyr 中的更新有关（现在在 0.5.0 版上）。运行上述代码时，我收到错误“错误：不支持的向量类型语言”。有什么想法吗？数据的结构都是整数或数字。

【解决方案2】：

library(dplyr)

temp <- help %>% group_by(id) %>% 
     arrange(ob) %>%
     filter(!is.na(score)) %>% 
     mutate(es = first(score) - last(score)) %>%
     select(id, es) %>%
     distinct()

help %>% left_join(temp)

【讨论】：

【解决方案3】：

这个解决方案有点冗长，只有 b/c 它依赖于几个辅助函数 FIRST 和 LAST：

# The position (indicator) of the first value that evaluates to TRUE.
LAST  <-  function (x, none = NA) {
    out <- FIRST(reverse(x), none = none)
    if (identical(none, out)) {
        return(none)
    }
    else {
        return(length(x) - out + 1)
    }
}
# The position (indicator) of the last value that evaluates to TRUE.
FIRST  <-  function (x, none = NA) 
{
    x[is.na(x)] <- FALSE
    if (any(x)) 
        return(which.max(x))
    else return(none)
}

# returns the difference between the first and last non-missing values
diff2  <-  function(x)
    x[LAST(!is.na(x))] - x[FIRST(!is.na(x))]


library(dplyr)
help %>% 
    group_by(id) %>% 
    arrange(ob) %>% 
        summarise(diff = diff2(score))

【讨论】：