R 如何进行双循环+；否则呢？

作为R方面的新手，我很难设置适当的代码（我仍然认为它必须包括if/else命令和循环）

具体来说，我想比较两条信息（参见简化示例，因为我的实际数据库相当长）：“每月分类”和“参考分类”。要考虑的“Ref_category”仅在每个元素的第5个周期计算（因为接下来我们将移动到下一个元素），这要归功于模式公式，每个元素（元素_id）

Months元素\u Id每月\u类别参考\u类别预期\u输出
1 1 3 NA 0
2 1 2 NA 0
3 1 2 NA 1
4 1 NA 1
5	      1	          3	                3	         0
1	      2	          6	                2	         0
2	      2	          6	                6	         1
3 2 NA 10
4 2 NA 6 0
5	      2	          1	                1	         0

首先，请看一下@John Coleman和我在评论中向您提出的问题，因为我的解决方案可能会根据您的请求而改变

无论如何，您不需要显式的for循环或显式的if-else来完成任务

在R中，您通常不希望直接编写任何for循环。你最好使用像

lappy

这样的函数。在这种情况下，

dplyr

包负责任何隐式循环

df <-  tibble::tribble(~Months,  ~Element_Id,  ~Monthly_Category,  ~Ref_Category,  ~Expected_output,
                       1      ,            1,                  3,             NA,                 0,
                       2      ,            1,                  2,             NA,                 0,
                       3      ,            1,                  2,             NA,                 1,
                       4      ,            1,                  1,             NA,                 1,
                       5      ,            1,                  3,              3,                 0,

                       1      ,            2,                  6,              2,                 0,
                       2      ,            2,                  6,              6,                 1,
                       3      ,            2,                  1,              1,                 0,
                       4      ,            2,                  1,              6,                 0,
                       5      ,            2,                  1,              1,                 0)


library(dplyr)
library(purrr)

df %>%

  # check if elements are equal
  mutate(Real_Expected_output = !map2_lgl(Monthly_Category, Ref_Category, identical)) %>% 

  # sort by Element_Id and Months just in case your data is messy
  arrange(Element_Id, Months) %>% 

  # For each Element_Id ...
  group_by(Element_Id) %>% 

  #  ... define your Expected Output
  mutate(Real_Expected_output = as.integer(lag(Real_Expected_output, default = FALSE) & 
                                             lag(Real_Expected_output, 2, default = FALSE))) %>% 
  ungroup()


#   Months Element_Id Monthly_Category Ref_Category Expected_output Real_Expected_output
#   <dbl>      <dbl>            <dbl>        <dbl>           <dbl>                <int>
#       1          1                3           NA               0                    0
#       2          1                2           NA               0                    0
#       3          1                2           NA               1                    1
#       4          1                1           NA               1                    1
#       5          1                3            3               0                    1
#       1          2                6            2               0                    0
#       2          2                6            6               1                    0
#       3          2                1            1               0                    0
#       4          2                1            6               0                    0
#       5          2                1            1               0                    0

编辑2：

我会根据你的要求再次编辑它。此时，我建议您创建一个外部函数来处理您的问题。看起来更干净

df <-  tibble::tribble(~Months,  ~Element_Id,  ~Monthly_Category,  ~Ref_Category,  ~Expected_output,
                       1      ,            1,                  3,             NA,                 0,
                       2      ,            1,                  2,             NA,                 0,
                       3      ,            1,                  2,             NA,                 1,
                       4      ,            1,                  1,             NA,                 1,
                       5      ,            1,                  3,              3,                 0,

                       1      ,            2,                  6,              2,                 0,
                       2      ,            2,                  6,              6,                 1,
                       3      ,            2,                 NA,              1,                 0,
                       4      ,            2,                 NA,              6,                 0,
                       5      ,            2,                  1,              1,                 0)


library(dplyr)
library(purrr)


get_output <- function(mon, ref){

  # set here your condition
  exp <- !is.na(mon) & !map2_lgl(mon, last(ref), identical)

  # check exp and lag(exp), then convert to integer
  as.integer(exp & lag(exp, default = FALSE))

}


df %>%

  # sort by Element_Id and Months just in case your data is messy
  arrange(Element_Id, Months) %>% 

  # For each Element_Id ...
  group_by(Element_Id) %>% 

  # ... launch your function
  mutate(Real_Expected_output = get_output(Monthly_Category, Ref_Category)) %>% 

  ungroup()



# # A tibble: 10 x 6
#     Months Element_Id Monthly_Category Ref_Category Expected_output Real_Expected_output
#     <dbl>      <dbl>            <dbl>        <dbl>           <dbl>                <int>
#  1      1          1                3           NA               0                    0
#  2      2          1                2           NA               0                    0
#  3      3          1                2           NA               1                    1
#  4      4          1                1           NA               1                    1
#  5      5          1                3            3               0                    0
#  6      1          2                6            2               0                    0
#  7      2          2                6            6               1                    1
#  8      3          2               NA            1               0                    0
#  9      4          2               NA            6               0                    0
# 10      5          2                1            1               0                    0

df%
# ... 启动你的功能
突变（实际预期产出=获取产出（每月类别、参考类别））%>%
解组（）
##tibble:10 x 6
#月元素\u Id月\u类别参考\u类别预期\u输出实际\u预期\u输出
#                                                          
#1 11 3 NA 0 0
#2 2 1 2 NA 0 0
#3 3 1 2 NA 1 1
#4 4 1 NA 1 1
#  5      5          1                3            3               0                    0
#  6      1          2                6            2               0                    0
#  7      2          2                6            6               1                    1
#832NA1000
#9 4 2 NA 6 0 0
# 10      5          2                1            1               0                    0

“我仍然认为它必须包括if/else命令和循环”——这似乎是一个奇怪的要求。这是家庭作业问题陈述中的某种规定吗？循环在R中有它们的位置，但通常有更好的选择。“更准确地说，我想在“每月\u类别”与所选的“参考\u类别”在一行中有2个周期不同时（每5个观测值计算一次）输入1。否则，设置0。”那么为什么在第7行有1？这是元素_Id==2的第二个月：它应该是0。出于同样的原因，为什么第5行不等于1？首先，谢谢@Edo。为了更准确地回应您的评论，第5行等于0，因为对于元素n°1（元素id=1）的最后一个月观察：每月类别=参考类别（3=3，因此两个类别之间没有更多偏差，因此为0）。对于第7行：要素2的前两个月类别（第6行和第7行）为6，而要素2的参考类别（因此第10行）为1，因此偏差为1。然后，对于最后3行：每月类别=参考类别，因此我们有0（偏差结束）。事实上，对于每个元素（1个元素=5行），参考类别是在5个期间结束时使用模式计算的。然而，通过拉伸公式，我们在每行中都有值，而每次只考虑最后一个值（所以每5行）。这就是为什么我认为我们需要两个循环：一个循环检查每月类别的每一行，另一个循环检查每5行的参考类别。我应该在代码中更改什么以合并此功能？提前感谢Kay，我之前没有得到它，我不得不将

每月分类

与最后一个

参考分类

进行比较。首先，再次感谢您的帮助@Edo！然而，我还有最后一个问题。事实上，当我问这个问题时，我没有想过，但是：在我的“真实”数据库中，我有时会将“NA”作为每月类别的值。因此，对于代码，他认为NA与参考类别不同，并将1（逻辑）放在一起。当monthly category=NA时，我应该在代码中更改什么，然后它会自动变为0？因为最后，我只对值为1的行感兴趣，所以我希望NA也包含0。顺便说一句，我编辑了问题中的数据。谢谢好的，看看我的新编辑。不过，如果您有新问题，我认为您应该自己试一试。：-）

df <-  tibble::tribble(~Months,  ~Element_Id,  ~Monthly_Category,  ~Ref_Category,  ~Expected_output,
                       1      ,            1,                  3,             NA,                 0,
                       2      ,            1,                  2,             NA,                 0,
                       3      ,            1,                  2,             NA,                 1,
                       4      ,            1,                  1,             NA,                 1,
                       5      ,            1,                  3,              3,                 0,

                       1      ,            2,                  6,              2,                 0,
                       2      ,            2,                  6,              6,                 1,
                       3      ,            2,                 NA,              1,                 0,
                       4      ,            2,                 NA,              6,                 0,
                       5      ,            2,                  1,              1,                 0)


library(dplyr)
library(purrr)


get_output <- function(mon, ref){

  # set here your condition
  exp <- !is.na(mon) & !map2_lgl(mon, last(ref), identical)

  # check exp and lag(exp), then convert to integer
  as.integer(exp & lag(exp, default = FALSE))

}


df %>%

  # sort by Element_Id and Months just in case your data is messy
  arrange(Element_Id, Months) %>% 

  # For each Element_Id ...
  group_by(Element_Id) %>% 

  # ... launch your function
  mutate(Real_Expected_output = get_output(Monthly_Category, Ref_Category)) %>% 

  ungroup()



# # A tibble: 10 x 6
#     Months Element_Id Monthly_Category Ref_Category Expected_output Real_Expected_output
#     <dbl>      <dbl>            <dbl>        <dbl>           <dbl>                <int>
#  1      1          1                3           NA               0                    0
#  2      2          1                2           NA               0                    0
#  3      3          1                2           NA               1                    1
#  4      4          1                1           NA               1                    1
#  5      5          1                3            3               0                    0
#  6      1          2                6            2               0                    0
#  7      2          2                6            6               1                    1
#  8      3          2               NA            1               0                    0
#  9      4          2               NA            6               0                    0
# 10      5          2                1            1               0                    0