使用dplyr的最小/最大坡度

下面是一个示例数据集：

library(dplyr)
df <- data.frame(ID=c(1,1,1,1,2,2,2,2),
             V1=c(30,20,10,10,30,30,15,20),
             V2=c(1:4,1:4))

我可以这样计算每个人（ID）的斜率：

df_slope <- df_byID %>%
  do(fit = lm(V1 ~ V2, .)) %>%
  summarise(v_slope = coef(fit)[2])

df_斜率%
do（拟合=lm（V1~V2，）%>%
总结（v_斜率=系数（拟合）[2]）

我现在想要每个ID的最小/最大值的斜率。 如果V1有几次出现相同的值，我想用第一次表示最大值，最后一次表示最小值

在本例中，我们将得到：

对于ID=1：（10-30）/（4-1）=-6.66

---

对于ID=2：（15-30）/（3-1）=-7.5

我们可以创建“V1”的

max

和

min

值指数，然后使用该指数计算“斜率”。

which.max

获取第一个

max

值的位置（如果有ties），

行数（）

相当于

rank（ties.method='first'）

。因此，如果我们将“V1”更改为负值，则获取

行编号

，然后通过

which.max

获取

max

值的位置，这相当于找到最后一个“min”值位置。使用这些指数计算“斜率”

df_byID  %>% 
      mutate(Max = which.max(V1), Min= which.max(row_number(-V1))) %>% 
      summarise(slope= (V1[Min[1L]]-V1[Max[1L]])/(V2[Min[1L]]-V2[Max[1L]]))
#      ID     slope
#  (dbl)     (dbl)
#1     1 -6.666667
#2     2 -7.500000

---

我们可以创建“V1”的

max

和

min

值指数，然后使用该指数计算“斜率”。

which.max

获取第一个

max

值的位置（如果有ties），

行数（）

相当于

rank（ties.method='first'）

。因此，如果我们将“V1”更改为负值，则获取

行编号

，然后通过

which.max

获取

max

值的位置，这相当于找到最后一个“min”值位置。使用这些指数计算“斜率”

df_byID  %>% 
      mutate(Max = which.max(V1), Min= which.max(row_number(-V1))) %>% 
      summarise(slope= (V1[Min[1L]]-V1[Max[1L]])/(V2[Min[1L]]-V2[Max[1L]]))
#      ID     slope
#  (dbl)     (dbl)
#1     1 -6.666667
#2     2 -7.500000

---

我们可以创建“V1”的

max

和

min

值指数，然后使用该指数计算“斜率”。

which.max

获取第一个

max

值的位置（如果有ties），

行数（）

相当于

rank（ties.method='first'）

。因此，如果我们将“V1”更改为负值，则获取

行编号

，然后通过

which.max

获取

max

值的位置，这相当于找到最后一个“min”值位置。使用这些指数计算“斜率”

df_byID  %>% 
      mutate(Max = which.max(V1), Min= which.max(row_number(-V1))) %>% 
      summarise(slope= (V1[Min[1L]]-V1[Max[1L]])/(V2[Min[1L]]-V2[Max[1L]]))
#      ID     slope
#  (dbl)     (dbl)
#1     1 -6.666667
#2     2 -7.500000

---

我们可以创建“V1”的

max

和

min

值指数，然后使用该指数计算“斜率”。

which.max

获取第一个

max

值的位置（如果有ties），

行数（）

相当于

rank（ties.method='first'）

。因此，如果我们将“V1”更改为负值，则获取

行编号

，然后通过

which.max

获取

max

值的位置，这相当于找到最后一个“min”值位置。使用这些指数计算“斜率”

df_byID  %>% 
      mutate(Max = which.max(V1), Min= which.max(row_number(-V1))) %>% 
      summarise(slope= (V1[Min[1L]]-V1[Max[1L]])/(V2[Min[1L]]-V2[Max[1L]]))
#      ID     slope
#  (dbl)     (dbl)
#1     1 -6.666667
#2     2 -7.500000

---

这应该符合你的要求

df %>% 
group_by(ID) %>% 
summarize((max(V1) - min(V1)) / (first(V2[V1 == max(V1)]) - last(V2[V1 == min(V1)])) )

---

这应该符合你的要求

df %>% 
group_by(ID) %>% 
summarize((max(V1) - min(V1)) / (first(V2[V1 == max(V1)]) - last(V2[V1 == min(V1)])) )

---

这应该符合你的要求

df %>% 
group_by(ID) %>% 
summarize((max(V1) - min(V1)) / (first(V2[V1 == max(V1)]) - last(V2[V1 == min(V1)])) )

---

这应该符合你的要求

df %>% 
group_by(ID) %>% 
summarize((max(V1) - min(V1)) / (first(V2[V1 == max(V1)]) - last(V2[V1 == min(V1)])) )