R（dplyr）中重置的条件运行计数（累积和）
我试图计算一个以其他变量为条件的运行计数（即累积和），它可以重置另一个变量上的特定值。我在R工作，如果可能的话，我更喜欢基于dplyr的解决方案 我想根据以下算法为运行计数创建一个变量，R（dplyr）中重置的条件运行计数（累积和）,r,dplyr,conditional,cumulative-sum,R,Dplyr,Conditional,Cumulative Sum,我试图计算一个以其他变量为条件的运行计数（即累积和），它可以重置另一个变量上的特定值。我在R工作，如果可能的话，我更喜欢基于dplyr的解决方案 我想根据以下算法为运行计数创建一个变量，cumulative： 在id和age 对于每个后续的试验，精度=0，块=2，条件=1 将每次试验的运行计数（累计值）重置为0，其中精度=1，块=2，条件=1，下一个增量恢复为1（不是上一个数字） 对于每个试验其中块！=2，或条件！=1，将运行计数（累计）保留为NA 下面是一个简单的工作示例： mydata
cumulative- 在
和idage - 对于每个后续的
试验，
，精度=0
，块=2条件=1 - 将每次
试验的运行计数（
）重置为0，其中累计值
，精度=1
，块=2
，下一个增量恢复为1（不是上一个数字）条件=1 - 对于每个
其中试验
，或块！=2
，将运行计数（条件！=1
）保留为累计NA
mydata <- data.frame(id = c(1,1,1,1,1,1,1,1,1,1,1),
age = c(1,1,1,1,1,1,1,1,1,1,2),
block = c(1,1,2,2,2,2,2,2,2,2,2),
trial = c(1,2,1,2,3,4,5,6,7,8,1),
condition = c(1,1,1,1,1,2,1,1,1,1,1),
accuracy = c(0,0,0,0,0,0,0,1,0,0,0)
)
id age block trial condition accuracy
1 1 1 1 1 0
1 1 1 2 1 0
1 1 2 1 1 0
1 1 2 2 1 0
1 1 2 3 1 0
1 1 2 4 2 0
1 1 2 5 1 0
1 1 2 6 1 1
1 1 2 7 1 0
1 1 2 8 1 0
1 2 2 1 1 0
我们可以在时使用
case\u来根据我们的条件分配所需的值。然后，当temp
列为0时，我们使用cumsum
添加一个额外的groupby
条件来切换值。在最后的mutate
步骤中，我们临时将temp
中的NA
值替换为0，然后在其上取cumsum
并将NA
值再次放回原位以获得最终输出
library(dplyr)
mydata %>%
group_by(id, age) %>%
mutate(temp = case_when(accuracy == 0 & block == 2 & condition == 1 ~ 1,
accuracy == 1 & block == 2 & condition == 1 ~ 0,
TRUE ~ NA_real_)) %>%
ungroup() %>%
group_by(id, age, group = cumsum(replace(temp == 0, is.na(temp), 0))) %>%
mutate(cumulative = replace(cumsum(replace(temp, is.na(temp), 0)),
is.na(temp), NA)) %>%
select(-temp, -group)
# group id age block trial condition accuracy cumulative
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 0 1 1 1 1 1 0 NA
# 2 0 1 1 1 2 1 0 NA
# 3 0 1 1 2 1 1 0 1
# 4 0 1 1 2 2 1 0 2
# 5 0 1 1 2 3 1 0 3
# 6 0 1 1 2 4 2 0 NA
# 7 0 1 1 2 5 1 0 4
# 8 1 1 1 2 6 1 1 0
# 9 1 1 1 2 7 1 0 1
#10 1 1 1 2 8 1 0 2
#11 1 1 2 2 1 1 0 1
库（dplyr）
mydata%>%
组别(身份,年龄)%>%
当（精度==0和块==2和条件==1~1，
精度==1，块==2，条件==1~0，
真~NA_real（真）]>%
解组（）%>%
分组依据（id、年龄、组=cumsum（替换（temp==0，is.na（temp），0）））%>%
突变（累积=替换（累积（替换（温度，为na（温度），0）），
is.na（温度），na））%>%
选择（-temp，-group）
#组id年龄段试验条件累积准确度
#
#1011010NA
#2 0 1 1 2 1 0 NA
# 3 0 1 1 2 1 1 0 1
# 4 0 1 1 2 2 1 0 2
# 5 0 1 1 2 3 1 0 3
#6012420NA
# 7 0 1 1 2 5 1 0 4
# 8 1 1 1 2 6 1 1 0
# 9 1 1 1 2 7 1 0 1
#10 1 1 1 2 8 1 0 2
#11 1 1 2 2 1 1 0 1
这里有一个使用数据表的选项。基于匹配创建一个二进制列，将粘贴的d值“精度”、“块”、“条件”与自定义值的值相匹配，按二进制列的运行长度id（“ind”）、“id”和“age”分组，获得“ind”的累计和，并将其分配给一个新列（“累计”）
我真的很喜欢这个答案。但是，它不能完全处理我的数据。我在数据中添加了一行（参见试验5）。如果你能解决这个问题，我很高兴给你一个正确的答案。谢谢大家!@谢谢你的耐心。我已经更新了答案，请看一看。这个答案很有趣，但与我的数据不完全一致。我在数据中添加了一行（参见试验5）。
library(dplyr)
mydata %>%
group_by(id, age) %>%
mutate(temp = case_when(accuracy == 0 & block == 2 & condition == 1 ~ 1,
accuracy == 1 & block == 2 & condition == 1 ~ 0,
TRUE ~ NA_real_)) %>%
ungroup() %>%
group_by(id, age, group = cumsum(replace(temp == 0, is.na(temp), 0))) %>%
mutate(cumulative = replace(cumsum(replace(temp, is.na(temp), 0)),
is.na(temp), NA)) %>%
select(-temp, -group)
# group id age block trial condition accuracy cumulative
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 0 1 1 1 1 1 0 NA
# 2 0 1 1 1 2 1 0 NA
# 3 0 1 1 2 1 1 0 1
# 4 0 1 1 2 2 1 0 2
# 5 0 1 1 2 3 1 0 3
# 6 0 1 1 2 4 2 0 NA
# 7 0 1 1 2 5 1 0 4
# 8 1 1 1 2 6 1 1 0
# 9 1 1 1 2 7 1 0 1
#10 1 1 1 2 8 1 0 2
#11 1 1 2 2 1 1 0 1
library(data.table)
setDT(mydata)[, ind := match(do.call(paste0, .SD), c("121", "021")) - 1,
.SDcols = c("accuracy", "block", "condition")
][, Cumulative := cumsum(ind), .(rleid(ind), id, age)
][, ind := NULL][]
# id age block trial condition accuracy Cumulative
# 1: 1 1 1 1 1 0 NA
# 2: 1 1 1 2 1 0 NA
# 3: 1 1 2 1 1 0 1
# 4: 1 1 2 2 1 0 2
# 5: 1 1 2 3 1 0 3
# 6: 1 1 2 4 2 0 NA
# 7: 1 1 2 5 1 1 0
# 8: 1 1 2 6 1 0 1
# 9: 1 1 2 7 1 0 2
#10: 1 2 2 1 1 0 1