R 在下一次计数中计数行并排除行

我试图计算满足条件的组中的行数，但如果这些行数出现在另一级别的后续计数中，则排除这些行数本质上，我试图在随后的人口普查中统计新的和独特的个体发生率，以便通过人口普查创建累积分布。

请注意，样本数据集来自一个较大数据集的样本，该数据集通过处理具有不等的

n（）

值。此外，个人可能会出现在人口普查中，但不会出现在下一次人口普查中

样本数据集 预期产量 编辑/解释预期输出 对于

treatment=H

，

census=4

，变量

count=0

。之所以为4，是因为在整个普查过程中已经检测到3个人的值高于0。我认为按原样命名

count

变量可能会让读者感到困惑

---

计数

变量应该检测

普查

（通过

治疗

）中

值>0且以前未检测到的行。
您可以计算一个附加变量来调整
计数
的定义方式

将以前从未检测到的
添加到代码中：

library(dplyr)

sampledata2 <- sampledata %>%
  mutate(value = as.numeric(as.character(value))) %>% 

  group_by(treatment, individual) %>% 
  arrange(treatment, individual, census) %>% 
  mutate(never_detected_before = cumsum(value>0) <= 1) %>% 

  group_by(treatment, census) %>%
  summarise(count=sum(value>0 & never_detected_before), total=n()) %>%
  group_by(treatment) %>%
  mutate(cum.sum=cumsum(count))

库（dplyr）
样本数据2%
变异（值=as.numeric（as.character（值）））%>%
分组依据（治疗，个人）%>%
安排（治疗、个人、普查）%>%
突变（以前从未检测到=累积和（值>0）%
组别(治疗,普查)%>%
汇总（计数=总和（值>0且以前从未检测到），总计=n（））%>%
（治疗组）%>%
突变（累积总数=累积总数（计数））

还请注意，默认情况下，
group\u by（）
会覆盖现有组，因此不需要
ungroup（）
。
您只需计算一个附加变量来调整
计数的定义方式

将以前从未检测到的
添加到代码中：

library(dplyr)

sampledata2 <- sampledata %>%
  mutate(value = as.numeric(as.character(value))) %>% 

  group_by(treatment, individual) %>% 
  arrange(treatment, individual, census) %>% 
  mutate(never_detected_before = cumsum(value>0) <= 1) %>% 

  group_by(treatment, census) %>%
  summarise(count=sum(value>0 & never_detected_before), total=n()) %>%
  group_by(treatment) %>%
  mutate(cum.sum=cumsum(count))

库（dplyr）
样本数据2%
变异（值=as.numeric（as.character（值）））%>%
分组依据（治疗，个人）%>%
安排（治疗、个人、普查）%>%
突变（以前从未检测到=累积和（值>0）%
组别(治疗,普查)%>%
汇总（计数=总和（值>0且以前从未检测到），总计=n（））%>%
（治疗组）%>%
突变（累积总数=累积总数（计数））

还要注意的是，
group_by（）
默认情况下会覆盖现有的组，以便
ungroup（）
是不需要的。
我不太理解您的预期输出。为什么您说治疗=H和组=4的值>0的个体数是0？应该是3，对吗？我在我的原始帖子末尾添加了一个解释。计数变量应该检测普查中的行（按治疗）值>0且以前未被检测到的。我希望这有帮助！我不太理解您的预期输出。为什么您说治疗=H且组=4的值>0的个体数为0？应该是3，对吗？我在原始帖子的末尾添加了一个解释。count变量应该检测I行n值>0且以前未检测到的普查（按处理）。我希望这有帮助！
          treatment census count total cum.sum
1         A         1      0     2       0
2         A         2      0     2       0
3         A         3      0     2       0
4         A         4      1     2       1
5         H         1      1     3       1
6         H         2      1     3       2
7         H         3      1     3       3
8         H         4      0     3       3

library(dplyr)

sampledata2 <- sampledata %>%
  mutate(value = as.numeric(as.character(value))) %>% 

  group_by(treatment, individual) %>% 
  arrange(treatment, individual, census) %>% 
  mutate(never_detected_before = cumsum(value>0) <= 1) %>% 

  group_by(treatment, census) %>%
  summarise(count=sum(value>0 & never_detected_before), total=n()) %>%
  group_by(treatment) %>%
  mutate(cum.sum=cumsum(count))