Crear una nueva columna condicionalmente basada en n filas anteriores

9

Tengo un marco de datos configurado como el siguiente:

 df <- data.frame("id" = c(111,111,111,222,222,222,222,333,333,333,333), 
                  "Location" = c("A","B","A","A","C","B","A","B","A","A","A"), 
                  "Encounter" = c(1,2,3,1,2,3,4,1,2,3,4))

      id Location Encounter
1  111        A         1
2  111        B         2
3  111        A         3
4  222        A         1
5  222        C         2
6  222        B         3
7  222        A         4
8  333        B         1
9  333        A         2
10 333        B         3
11 333        A         4

Básicamente, estoy tratando de crear una bandera binaria en la que se encuentre una ubicación en un Encuentro anterior para cada grupo de identificación. Entonces se vería así:

    id Location Encounter Flag
1  111        A         1    0
2  111        B         2    0
3  111        A         3    1
4  222        A         1    0
5  222        C         2    0
6  222        B         3    0
7  222        A         4    1
8  333        B         1    0
9  333        A         2    0
10 333        B         3    1
11 333        A         4    1

Estaba tratando de descubrir cómo hacer una declaración if como:

library(dplyr)

df$Flag <- case_when((df$id - lag(df$id)) == 0 ~ 
                case_when(df$Location == lag(df$Location, 1) | 
                          df$Location == lag(df$Location, 2) | 
                          df$Location == lag(df$Location, 3) ~ 1, T ~ 0), T ~ 0)

    id Location Flag
1  111        A    0
2  111        B    0
3  111        A    1
4  222        A    0
5  222        C    0
6  222        B    0
7  222        A    1
8  333        B    0
9  333        A    1
10 333        B    1
11 333        A    1

Pero esto tiene el problema de que a la fila 9 se le asigna incorrectamente un 1, y hay casos con más de 15 encuentros en los datos reales, por lo que esto se vuelve bastante engorroso. Esperaba encontrar una manera de hacer algo como

lag(df$Location, 1:df$Encounter)

Pero sé que lag()necesita un número entero para k, por lo que ese comando específico no funcionaría.

r dataframe dplyr duplicates Dalton K
fuente
¡Bienvenido a Stack Overflow! Solo porque solicitó información sobre las rutinas SO, es posible que desee leer esto sobre qué hacer cuando alguien responde a su pregunta . Además de eso, no es una mala idea hacer el recorrido y leer Cómo preguntar (su pregunta es excelente, pero le dará una insignia). Espero verte por aquí, con más frecuencia. Salud.
M--

Respuestas:

6

Una opción con duplicated

library(dplyr)
df %>% 
  group_by(id) %>% 
  mutate(Flag = +(duplicated(Location)))
# A tibble: 11 x 4
# Groups:   id [3]
#      id Location Encounter  Flag
#   <dbl> <fct>        <dbl> <int>
# 1   111 A                1     0
# 2   111 B                2     0
# 3   111 A                3     1
# 4   222 A                1     0
# 5   222 C                2     0
# 6   222 B                3     0
# 7   222 A                4     1
# 8   333 B                1     0
# 9   333 A                2     0
#10   333 A                3     1
#11   333 A                4     1
akrun
fuente
4

En la base R, podemos usar aveagrupado por idy Locationy convertir todos los valores de la segunda fila del grupo a 1.

df$Flag <- as.integer(with(df, ave(Encounter, id, Location, FUN = seq_along) > 1))
df

#    id Location Encounter Flag
#1  111        A         1    0
#2  111        B         2    0
#3  111        A         3    1
#4  222        A         1    0
#5  222        C         2    0
#6  222        B         3    0
#7  222        A         4    1
#8  333        B         1    0
#9  333        A         2    0
#10 333        A         3    1
#11 333        A         4    1

Usando dplyr, eso sería

library(dplyr)

df %>%  group_by(id, Location) %>%  mutate(Flag = as.integer(row_number() > 1))
Ronak Shah
fuente
4

Utilizando data.table:

library(data.table)

dt[, flag:=1]
dt[, flag:=cumsum(flag), by=.(id,Location)]
dt[, flag:=ifelse(flag>1,1,0)]

Datos:

dt <- data.table("id" = c(111,111,111,222,222,222,222,333,333,333,333), 
                 "Location" = c("A","B","A","A","C","B","A","B","A","A","A"),
                 "Encounter" = c(1,2,3,1,2,3,4,1,2,3,4))
LocoGris
fuente
4

Una data.tablesolución más genérica sería usar .No rowid:

library(data.table)

setDT(dt)[, Flag := +(rowid(id, Location)>1)][]

o

setDT(df)[, Flag := +(seq_len(.N)>1), .(id, Location)][]
#>      id Location  Encounter Flag
#> 1:  111        A         1    0
#> 2:  111        B         2    0
#> 3:  111        A         3    1
#> 4:  222        A         1    0
#> 5:  222        C         2    0
#> 6:  222        B         3    0
#> 7:  222        A         4    1
#> 8:  333        B         1    0
#> 9:  333        A         2    0
#> 10: 333        A         3    1
#> 11: 333        A         4    1
METRO--
fuente
0

También puedes usar esto:

library(data.table)
setDT(df)[,flag:=ifelse(1:.N>1,1,0),by=.(id,Location)]
Rushabh Patel
fuente