高效的dplyr风格操作

我有两个玩具示例表： 表1：

表2：

all_students <- data.frame(student_id = c("RA123","RB123","RC123","RA456","RB456",'RC456'),
                           school_id = c(1,1,1,1,1,2),
                           grade_level = c(10,10,9,9,11,11),
                           date_of_birth = c("1990-02-02","1990-02-02","1991-01-01","1991-02-01","1989-02-02","1989-02-02"),
                           hometown = c("farm","farm","farm","farm","farm","city"),
                           stringsAsFactors = F)
> all_students
  student_id school_id grade_level date_of_birth hometown
1      RA123         1          10    1990-02-02     farm
2      RB123         1          10    1990-02-02     farm
3      RC123         1           9    1991-01-01     farm
4      RA456         1           9    1991-02-01     farm
5      RB456         1          11    1989-02-02     farm
6      RC456         2          11    1989-02-02     city

如果学生当天缺席，则出勤事件的出勤率为0

我的问题是，在R中，找出2020-02-01和2020-02-02之间入学率下降幅度最大的年级的最有效方法是什么

我的代码是：

#Only include absences because it will be a smaller dataset
att_ws_alt <- inner_join(attendance_events, all_students[,c("student_id","grade_level")], by = "student_id") %>%
              filter(attendance == 0)

#Set days to check between
date_from <- "2020-02-01"
date_to <- "2020-02-02"

#Continously pipe to not have to store and reference(?)
att_drop_alt <- att_ws_alt %>%
                filter(dates %in% c(date_from, date_to)) %>%
                group_by(grade_level,dates) %>%
                summarize(absence_bydate = n()) %>%
                dcast(grade_level ~ dates) %>% 
                sapply(FUN = function(x) { x[is.na(x)] <- 0; x}) %>%
                as.data.frame() %>%
                mutate("absence_change" = .[,3] - .[,2]) %>%
                select(grade_level, absence_change) %>%
                arrange(desc(absence_change))
>att_drop_alt
  grade_level absence_change
1          10              2
2          11              1
3           9              0

然而，对于一个看起来相当简单的问题来说，这感觉有点复杂。我想看看R程序员回答这个问题的其他方法，理想情况下可以获得更好的性能，但即使是可读性也很好

---

谢谢社区

我想这更简洁一点：

left\u Join出席\u活动，所有学生，by=student\u id%>% 按等级分组，日期%>% SummarseAttainance=SummarseAttainment%>% 组（按等级）级别%>% 汇总趋势变化=差异出席 >一个tibble:3x2 >年级\级别出勤\变更 > > 1 9 0 > 2 10 -2 > 3 11 -1 当然，如果你想计算缺勤率而不是出勤率，只需在最后一行的差异前加一个负号。

如果这不能准确回答你的问题，很抱歉，但我不想不公平地指责学生比他们缺席的时间多

library(dplyr)
all_students %>% 
  left_join(attendance_events) %>% 
  mutate(dates = as.Date(dates)) %>% 
  group_by(grade_level, dates) %>% 
    summarise(NAbs = sum(ifelse(attendance == 0, 1, 0)),
              N = n(),
              pctAbs = NAbs / n() * 100) %>% 
  arrange(dates) %>%
  mutate(change =  pctAbs - lag(pctAbs)) %>% 
  ungroup() %>% 
  arrange(change)



  # A tibble: 6 x 6
    dates      grade_level  NAbs     N pctAbs change
   <date>           <dbl> <dbl> <int>  <dbl>  <dbl>
  1 2020-02-02           9     1     2     50      0
  2 2020-02-02          11     1     2     50     50
  3 2020-02-02          10     2     2    100    100
  4 2020-02-01           9     1     2     50     NA
  5 2020-02-01          10     0     2      0     NA
  6 2020-02-01          11     0     2      0     NA

使用data.table

---

您不想评估相对出勤/缺勤的变化吗？我的意思是，如果你为了演示而极端假设，只需将当年的学生人数增加三倍，并将相对缺课人数减半，那么总缺课人数还会增加吗？对不起，如果我误解了什么是的，我同意，但这只是个问题。我想反点是，如果你需要做出的决定是基于学生，那么你关心的是绝对数字而不是百分比。是的，这很好，我真的没有想到像那样垂直使用diff。我想我只有在同时得到我想要的两个号码后才能得到零钱。将等待更多的答案，然后再标记为正确我想这一定是这个代码的最短版本！不幸的是，在我的回答中，我无法让diff工作。。。还是不确定why@dario我只使用了diff，因为我使用了summary，其中每个组只有两个日期，所以它给出了一个值。此方法无法跨多个日期工作。明白！谢谢你的精彩解释！现在有一个更短的data.table答案。我希望有一天能掌握它。但在那之前，代码在我看来就像ascii码的艺术，需要永远阅读；是的，这比我的版本@dario更健壮。我试着保持简短，但也许它只是需要额外的努力。

library(dplyr)
all_students %>% 
  left_join(attendance_events) %>% 
  mutate(dates = as.Date(dates)) %>% 
  group_by(grade_level, dates) %>% 
    summarise(NAbs = sum(ifelse(attendance == 0, 1, 0)),
              N = n(),
              pctAbs = NAbs / n() * 100) %>% 
  arrange(dates) %>%
  mutate(change =  pctAbs - lag(pctAbs)) %>% 
  ungroup() %>% 
  arrange(change)



  # A tibble: 6 x 6
    dates      grade_level  NAbs     N pctAbs change
   <date>           <dbl> <dbl> <int>  <dbl>  <dbl>
  1 2020-02-02           9     1     2     50      0
  2 2020-02-02          11     1     2     50     50
  3 2020-02-02          10     2     2    100    100
  4 2020-02-01           9     1     2     50     NA
  5 2020-02-01          10     0     2      0     NA
  6 2020-02-01          11     0     2      0     NA

library(data.table)
setDT(attendance_events)[all_students, .SD[, .(sum(attendance)), 
  .(grade_level, dates)], on = .(student_id)][, 
       .(attendanace_change = diff(rev(V1))), .(grade_level)]
#   grade_level attendanace_change
#1:          10                  2
#2:           9                  0
#3:          11                  1