重新编码数据功能其他数据

Question

我想重新编码我的数据，决策规则的功能

规则示例：

具有超过 3 个变量年份的数据

第一条规则：如果只有一个错误，我们会更正数据：
y ≤ y+2 并且 y+1

上一次更正后，用第二条规则更正：

• 超过 2 个相同年份，保留最频繁的年份
• 频率相等：保持较高

也许举个例子会更清楚一点：

ID  y1  y2  y3   y4 y5
1   6   7   6   8   
2   6   7   7   6   8
3   6   7   8   7   8
4   6   7   8   6   7
6   3   4   5   6   3

修正后的数据

ID  y1  y2  y3   y4 y5
1   6   7   7   8   
2   6   7   7   7   8
3   6   7   8   8   8
4   6   7   7   7   7
6   3   4   5   6   3

如果您对修正其他变量的变量函数有任何想法，非常感谢

---

如果我的 ID 包含 8 年的数据，则第 4 行不起作用。你知道为什么吗 ？很多NA都有问题吗？ 代码前：

ID  y1 y2  y3   y4  y5  y6  y7  y8
1   6   7   6   8   NA  NA  NA  NA
2   6   7   7   6   8   NA  NA  NA
3   6   7   8   7   8   NA  NA  NA
4   6   7   8   6   7   NA  NA  NA
5   3   4   5   6   3   NA  NA  NA
6   7   7   8   8   7   8   7   8

代码后

   y1  y2  y3  y4   y5  y6  y7  y8
1   6   7   7   8   NA  NA  NA  NA
2   6   7   7   7   8   NA  NA  NA
3   6   7   8   8   8   NA  NA  NA
4   6   7   8   6   7   NA  NA  NA
5   3   4   5   6   3   NA  NA  NA
6   7   7   8   8   8   8   8   8

如果你有解决方案，否则我会根据非空字段的数量进行选择

Answer 1

更新的解决方案 我做了一点修改，以便它可以用于包含 NA 值的观察：

• 我使用了 purrr 包中的 pmap_df 函数，该函数用于对数据帧进行逐行操作，因为您可以向其中传递多个参数
• c(...) 捕获每一行中y 的所有值，除了ID 的值我被c(...)[-1] 省略了
• 对于您的y + 2，我省略了每行的前两个值，因为它们不能是y + 2，而且因为我们还要检查y + 1 的每个y，所以两个表达式的长度必须相同。所以我只选择了那些有y + 2的y + 1
• 关于其他规则，我创建了一个名为 z 的向量，它只需要从 x 中省略 y1 并检查是否有 3 个唯一值，这意味着 2 个相同，然后将所有其他值转换为该值李>

library(dplyr)
library(purrr)

df %>%
  pmap_df(~ {x <- c(...)[!is.na(c(...))][-1]
  y_2 <- x[-c(1, 2)]
  y_1 <- x[2:(length(y_2) + 1)]
  ids <- which((x[seq_along(y_2)] <= y_2) & (y_1 < x[seq_along(y_1)]))
  x[ids + 1] <- x[ids]
  x
  z <- x[-1]
  if(length(unique(z)) == 3 & sum(is.na(z)) == 0) {
    z[1:length(z)] <- z[duplicated(z)]
    c(x[1], z)
  } else {
    c(x[1], z)
  }})

# A tibble: 5 x 5
     y1    y2    y3    y4    y5
  <int> <int> <int> <int> <int>
1     6     7     7     8    NA
2     6     7     7     7     8
3     6     7     8     8     8
4     6     7     7     7     7
5     3     4     5     6     3

第二个数据样本

# A tibble: 6 x 8
     y1    y2    y3    y4    y5    y6    y7    y8
  <int> <int> <int> <int> <int> <int> <int> <int>
1     6     7     7     8    NA    NA    NA    NA
2     6     7     7     7     8    NA    NA    NA
3     6     7     8     8     8    NA    NA    NA
4     6     7     7     7     7    NA    NA    NA
5     3     4     5     6     3    NA    NA    NA
6     7     7     8     8     8     8     8     8