R 因子变量累计和

我试图在R中创建一组累积因子变量。我的

df

有4个治疗假人：

id t1 t2 t3 t4 
1   0  0  0  1 
2   1  0  0  0
3   0  0  0  1
4   0  1  0  0
5   1  0  0  0

我想要的是一组累积治疗变量（在下面的示例中命名为tc），时间如下：

id tc1 tc2 tc3 tc4 
1   0  0  0  1 
2   1  1  1  1
3   0  0  0  1
4   0  1  1  1
5   1  1  1  1

---

我尝试了

cumsum

函数，但不知道如何处理因子变量的此函数。你知道怎么做吗

一种方法是尝试使用

matrixStats:：rowCummaxs

函数，但需要先转换为

矩阵。不过，从您的数据结构来看，我建议首先使用
矩阵
而不是
data.frame

data1[-1] <- matrixStats::rowCummaxs(as.matrix(data1[-1]))
data1
#   id t1 t2 t3 t4
# 1  1  0  0  0  1
# 2  2  1  1  1  1
# 3  3  0  0  0  1
# 4  4  0  1  1  1
# 5  5  1  1  1  1

或者正如@joran所暗示的，我们可以尝试长/宽转换

library(data.table)
dcast(melt(setDT(data1), 
           id = "id"
           )[, value := cummax(value),
             by = id], 
      id ~ variable)

#    id t1 t2 t3 t4
# 1:  1  0  0  0  1
# 2:  2  1  1  1  1
# 3:  3  0  0  0  1
# 4:  4  0  1  1  1
# 5:  5  1  1  1  1

或

或者通过@alexis_laz使用
Reduce

data1[-1] <- Reduce(pmax, data1[-1], accumulate = TRUE)
data1
#   id t1 t2 t3 t4
# 1  1  0  0  0  1
# 2  2  1  1  1  1
# 3  3  0  0  0  1
# 4  4  0  1  1  1
# 5  5  1  1  1  1

data1[-1]一种方法是尝试使用
matrixStats:：rowCummaxs
函数，但需要先转换为
矩阵。不过，从您的数据结构来看，我建议首先使用
矩阵
而不是
data.frame

data1[-1] <- matrixStats::rowCummaxs(as.matrix(data1[-1]))
data1
#   id t1 t2 t3 t4
# 1  1  0  0  0  1
# 2  2  1  1  1  1
# 3  3  0  0  0  1
# 4  4  0  1  1  1
# 5  5  1  1  1  1

或者正如@joran所暗示的，我们可以尝试长/宽转换

library(data.table)
dcast(melt(setDT(data1), 
           id = "id"
           )[, value := cummax(value),
             by = id], 
      id ~ variable)

#    id t1 t2 t3 t4
# 1:  1  0  0  0  1
# 2:  2  1  1  1  1
# 3:  3  0  0  0  1
# 4:  4  0  1  1  1
# 5:  5  1  1  1  1

或

或者通过@alexis_laz使用
Reduce

data1[-1] <- Reduce(pmax, data1[-1], accumulate = TRUE)
data1
#   id t1 t2 t3 t4
# 1  1  0  0  0  1
# 2  2  1  1  1  1
# 3  3  0  0  0  1
# 4  4  0  1  1  1
# 5  5  1  1  1  1

data1[-1]
max.col
救援：

df[-1][col(df[-1]) >= max.col(df[-1], ties.method="first")] <- 1
df

#  id t1 t2 t3 t4
#1  1  0  0  0  1
#2  2  1  1  1  1
#3  3  0  0  0  1
#4  4  0  1  1  1
#5  5  1  1  1  1

max.col
救援：

df[-1][col(df[-1]) >= max.col(df[-1], ties.method="first")] <- 1
df

#  id t1 t2 t3 t4
#1  1  0  0  0  1
#2  2  1  1  1  1
#3  3  0  0  0  1
#4  4  0  1  1  1
#5  5  1  1  1  1

可能另一个主要的方法是融化/收集数据，并实际有时间作为显式变量。@joran，是的，我可能也会添加这一点。感谢您对备选方案的支持并支持您的矩阵转换评论：
tail（Reduce（pmax，DF[-1L]，init=integer（nrow（DF）），accumulate=TRUE），-1L）
用
as.data.frame
包装，或者更好的是，
class@alexis_laz哇，真不错。你不想把它贴成你自己的吗？@alexis_laz你真的不需要
init
在这里，不是吗？我已经简化了您的解决方案-请参见编辑。另一种主要的方法可能是融化/收集数据，并实际有时间作为显式变量。@joran，是的，我可能也会添加它。感谢您对备选方案的支持并支持您的矩阵转换评论：
tail（Reduce（pmax，DF[-1L]，init=integer（nrow（DF）），accumulate=TRUE），-1L）
用
as.data.frame
包装，或者更好的是，
class@alexis_laz哇，真不错。你不想把它贴成你自己的吗？@alexis_laz你真的不需要
init
在这里，不是吗？我已经简化了您的解决方案-请参见编辑。感谢对代码的详细解释，它非常有用。感谢对代码的详细解释，它非常有用。