R 调查结果；几乎是"；复制数据表中的索引并计算增量

我有一个很小的（2k）数据集，其中包含学生填写的问卷答案，这些学生每年抽样两次。并非所有参加第一波的学生都参加了第二波，反之亦然。为每个学生创建一个唯一的id，该id由学校代码、班级代码、学生编号和小数点后的波形组成。例如，100612.1是名单上10所学校6年级12年级的学生，这是第一波。小数点后面的想法是一种在数据集中再次识别同一个学生的方法（与给定id相差小于abs（1）的唯一值是另一个波形上的同一个学生）。至少这是个想法

我正在考虑一个脚本，它将执行以下操作： -查找彼此的唯一id小于abs（1）的行 -对于这些行，生成一个新行（在一个新表中），其中包含学生id和测量变量的增量（即第2波中的值-第1波中的值）

我对R很陌生，但我对其他OOP有一点背景知识。我考虑创建一个从1到长度（df）的for循环，只寻找它的“兄弟”。我的直觉告诉我这不是R的工作方式。有什么想法吗？ 我所需要的只是一种快速筛选数据的方法，以查找第二波行。我认为剩下的应该从那里开始

谢谢你的帮助

---

由于这是我在这里的第一篇文章，我为这篇文章中的任何错误行为提前道歉…：）

我想到了两种方法。最简单的方法是使用函数floor（），该函数返回整数，例如：

floor(100612.1)
#[1] 100612

floor(9.9)
#[1] 9

---

或者，您也可以编写一个相当简单的正则表达式来去掉小数点。然后，可以使用unique（）查找重复项或非重复项的行

让我们制作一些假数据，这样我们就可以很容易地看到我们的问题：

ids <- c(100612.1,100612.2,100613.1,100613.2,110714.1,201802.2)
answers <- c(5,4,3,4,1,0)
survey <- data.frame(ids,answers)

---

这个问题暗指的是

data.table

，所以这里有一种方法可以使用这个包来修改@jed的答案

ids <- c(100612.1,100612.2,100613.1,100613.2,110714.1,201802.2)
answers <- c(5,4,3,4,1,0)

要删除增量为NA值的行，请执行以下操作：

unique(surveyDT[, .SD[(!is.na(delta))], by = child])
    child      ids answers wave delta
1: 100612 100612.1       5    1    -1
2: 100613 100613.1       3    1     1

使用

.SDcols

仅输出特定列（除了

by

列之外），例如

unique(surveyDT[, .SD[(!is.na(delta))], by = child, .SDcols = 'delta'])
    child delta
1: 100612    -1
2: 100613     1

---

我花了一些时间来熟悉

数据表
语法，但现在我发现它更直观，而且对于大数据来说也更快捷。
切掉小数点，然后根据剩余id（100612）计算汇总统计数据（即，增量）。谢谢！我在R中运行了代码以进行跟踪。提到的唯一id是从数据中的现有变量创建的。i、 我有一个“波浪”变量。现在我明白你的建议了，设置为“child，wave”的键不也是这样吗？另外，你最后的代码对我来说有点模糊。。。再次感谢您的快速重播！这些都是好主意。@isomitzi我在最后一段代码中所做的就是。。。如果一个孩子在两个波中都有答案，我会从第二波的分数中减去第一波的分数。所以孩子100612在第1波中有一个5，在第2波中有一个4，所以他的增量是-1。谢谢！如果你不介意的话，下面是一个简短的问题：-不需要substr，因为我可以不使用wave创建子ID。我说的对吗如果我必须减去多个列，我能一次计算所有列吗？调查[，delta1:=diff（答案），delta2:=diff（答案2），by=child]沿着这些线做什么有没有办法过滤掉没有两个波的结果？我在考虑用完整的箱子。。再次感谢你！！如果您在问题中发布数据集的示例，这些类型的问题将更容易回答。
完成。案例可以在此处使用，但请注意，它会删除任何列中带有NA的行。有关从特定列中筛选NA的方法，请参见编辑的答案。Re：多列计算，请遵循我在示例中如何使用带有反勾号的
：=
来指定子级和波。有关详细信息，请参阅
帮助（':='）
。
ids <- c(100612.1,100612.2,100613.1,100613.2,110714.1,201802.2)
answers <- c(5,4,3,4,1,0)

library(data.table)

surveyDT <- data.table(ids, answers)

surveyDT[, `:=` (child = substr(ids, 1, 6), wave = substr(ids, 8, 8))] # split ID's
# note multiple assign-by-reference := syntax above
setkey(surveyDT, child, wave)  # order data

# calculate delta on keyed data, grouping by child
surveyDT[, delta := diff(answers), by = child] 

unique(surveyDT[, delta, by = child]) # list results
    child delta
1: 100612    -1
2: 100613     1
3: 110714    NA
4: 201802    NA

unique(surveyDT[, .SD[(!is.na(delta))], by = child])
    child      ids answers wave delta
1: 100612 100612.1       5    1    -1
2: 100613 100613.1       3    1     1

unique(surveyDT[, .SD[(!is.na(delta))], by = child, .SDcols = 'delta'])
    child delta
1: 100612    -1
2: 100613     1