Блог

У меня почти есть то, что мне нужно. Мне нужна помощь с последней деталью! Набор данных создается следующим образом:

 stu_vec <- c("A","B","C","D","E","F","G","H","I","J")
college_vec <- c("ATC","CCTC","DTC","FDTC","GTC","NETC", "USC", "Clemson", "Winthrop", "Allen")
sctcs <- c("ATC","CCTC","DTC","FDTC","GTC","NETC")
Student <- sample (stu_vec, size=100,replace=T, prob=c(.08,0.09,0.06,.07,.12,.10,.07,.05,.11,.05))
College <- sample(college_vec, size=100, replace=T,prob=c(.08,.07,.13,.12,.11,.06,.05,.08,.02,.08))

test.dat1 <- as.data.frame(cbind(Student, College))
 

Я использую следующий код, чтобы создать то, что мне нужно

 library(dplyr)

set.seed(29)
test.dat2 <- test.dat1 %>% 
  group_by(Student, .drop=F) %>% #group by student
  mutate(semester= sequence(n())) %>% #set semester sequence
  summarise(home_school= College[min(which(College %in% sctcs))], # Find first college in sctcs
            seq_home=min(which(College %in% sctcs)), # add column of sequence values
            new_school= if_else(n_distinct(College) > 1, 
            first(College[!(College %in% sctcs) amp; semester > seq_home]), last(College))) #new_school should be the first non-sctcs school after the sctcs school is found or the last school for that student. 
 

он выдает следующую таблицу

Я хочу, чтобы NA были заполнены последним колледжем для этого студента. Я не знаю, как избавиться от АН. Если вы знаете более простой способ создать то же самое, пожалуйста, поделитесь знаниями.

Это должно сделать это:

 test.dat2 <- test.dat1 |> 
  mutate(semester= sequence(n())) |>
  arrange(Student, semester) |> # find this a more intuitive order
  group_by(Student, .drop=F) |>
  # Additional mutate step for clarity amp; simplicity
  mutate(seq_home = min(which(College %in% sctcs))) |>
  summarise(home_school = College[seq_home],
            new_school = 
              College[
                coalesce(
                  first(which(!(College %in% sctcs) amp; semester > seq_home)),
                  seq_home,
                  length(College))
                  ]
            )
 

Мы индексируем College с coalesce() помощью , которая возвращает первое не пропущенное значение из его аргументов. Первоначально мы ищем первый колледж, не относящийся к sctcs, который они посещали после посещения home_school . Если это возвращается NA (т. Е. Такого колледжа нет), мы просто возвращаемся seq_home , чтобы получить последний колледж sctcs, который они посещали. Если это возвращает NA (как это было бы в случае, если бы они никогда не посещали какие-либо колледжи sctcs), мы возвращаем length(College) , что, конечно, подмножество колледжей, чтобы дать нам последний колледж, который они посещали.

Я все еще не на 100% понимаю, делает ли это именно то, что вы хотите — я не знаю, рассматривали ли вы случай, когда не было колледжей sctcs. В этом начальном коде их нет, но это могло легко произойти.

Непонятно, что вы пытаетесь сделать. Но при [!(College %in% sctcs) amp; semester > seq_home] возврате FALSE College[!(College %in% sctcs) amp; semester > seq_home] возвращает вектор символов нулевой длины, поэтому first(College[!(College %in% sctcs) amp; semester > seq_home]) возвращает NA.

Когда в нем нет TRUE значений [!(College %in% sctcs) amp; semester > seq_home] , это потому, что ни в одном из последующих семестров нет колледжей semester[seq_home] , отличных от sctcs . Если учащийся переходит из home_school одной или нескольких школ sctcs, но никогда не переходит ни в одну из школ, отличных от sctcs, вы получите NA значение.

Вы фактически задаете неправильный вопрос. Я не уверен, какой вопрос вы пытаетесь задать, но то, что вы сейчас задаете, это:

Какую первую школу, не связанную с sctcs, посещал этот ученик после того, как они посетили свою первую школу sctcs?

Однако некоторые учащиеся никогда не посещают школу, отличную от sctcs, после посещения своей первой школы sctcs. По этой причине вы получаете NA ответ, который является правильным ответом на вопрос.