Блог

У меня есть эксперимент, в котором мне нужно вычесть значения двух разных обработок из контрольной (базовой), но эти вычитания должны соответствовать другим столбцам с именами «блок» и «год выборки».

Фиктивный фрейм данных:

 df <- data.frame("Treatment" = c("Control","Treat1", "Treat2"), 
     "Block" = rep(1:3, each=3), "Year" = rep(2011:2013, each=3),
     "Value" = c(6,12,4,3,9,5,6,3,1));df

  Treatment Block Year Value
1   Control     1 2011     6
2    Treat1     1 2011    12
3    Treat2     1 2011     4
4   Control     2 2012     3
5    Treat1     2 2012     9
6    Treat2     2 2012     5
7   Control     3 2013     6
8    Treat1     3 2013     3
9    Treat2     3 2013     1
  

Желаемый результат:

        Treatment Block Year Value
1 Control-Treat1     1 2011    -6
2 Control-Treat2     1 2011     2
3 Control-Treat1     2 2012    -6
4 Control-Treat2     2 2012    -2
5 Control-Treat1     3 2013     3
6 Control-Treat2     3 2013     5
  

Есть какие-либо предложения, предпочтительно используя dplyr ?

Я нашел похожие вопросы, но ни один из них не касается этой конкретной проблемы.

Мы можем использовать dplyr , group_by Block и вычитать Value где Treatment == "Control" из каждого Value и удалить «контрольные» строки.

 library(dplyr)

df %>%
  group_by(Block) %>%
  mutate(Value = Value[which.max(Treatment == "Control")]  - Value) %>%
  filter(Treatment != "Control")

#  Treatment Block  Year Value
#  <fct>     <int> <int> <dbl>
#1 Treat1        1  2011    -6
#2 Treat2        1  2011     2
#3 Treat1        2  2012    -6
#4 Treat2        2  2012    -2
#5 Treat1        3  2013     3
#6 Treat2        3  2013     5
  

Не уверен, показаны ли значения в Treatment столбце ожидаемого результата ( Control-Treat1 , Control-Treat2 ) только для демонстрации вычисления или OP действительно хочет, чтобы это было результатом. В случае, если это необходимо в качестве выходных данных, мы можем использовать

 df %>%
  group_by(Block) %>%
  mutate(Value = Value[which.max(Treatment == "Control")]  - Value, 
         Treatment = paste0("Control-", Treatment)) %>%
  filter(Treatment != "Control-Control")

#   Treatment      Block  Year Value
#  <chr>          <int> <int> <dbl>
#1 Control-Treat1     1  2011    -6
#2 Control-Treat2     1  2011     2
#3 Control-Treat1     2  2012    -6
#4 Control-Treat2     2  2012    -2
#5 Control-Treat1     3  2013     3
#6 Control-Treat2     3  2013     5
  

Какая-то другая tidyverse возможность может быть:

 df %>%
 spread(Treatment, Value) %>%
 gather(var, val, -c(Block, Year, Control)) %>%
 mutate(Value = Control - val,
        Treatment = paste("Control", var, sep = " - ")) %>%
 select(Treatment, Block, Year, Value) %>%
 arrange(Block)

         Treatment Block Year Value
1 Control - Treat1     1 2011    -6
2 Control - Treat2     1 2011     2
3 Control - Treat1     2 2012    -6
4 Control - Treat2     2 2012    -2
5 Control - Treat1     3 2013     3
6 Control - Treat2     3 2013     5
  

Это может быть сделано с помощью SQL self join, подобного этому:

 library(sqldf)
sqldf("select a.Treatment || '-' || b.Treatment as Treatment, 
              a.Block, 
              a.Year, 
              a.Value - b.Value as Value
  from df a 
  join df b on a.block = b.block and 
               a.Treatment = 'Control' and 
               b.Treatment != 'Control'")
  

предоставление:

        Treatment Block Year Value
1 Control-Treat1     1 2011    -6
2 Control-Treat2     1 2011     2
3 Control-Treat1     2 2012    -6
4 Control-Treat2     2 2012    -2
5 Control-Treat1     3 2013     3
6 Control-Treat2     3 2013     5
  

Другой dplyr — tidyr подход: Вы можете удалить ненужные столбцы с помощью select :

 library(tidyr)
    library(dplyr)
    dummy_df %>% 
      spread(Treatment,Value) %>% 
      gather(key,value,Treat1:Treat2) %>%
      group_by(Block,Year,key) %>% 
      mutate(Val=Control-value)
   # A tibble: 6 x 6
# Groups:   Block, Year, key [6]
  Block  Year Control key    value   Val
  <int> <int>   <dbl> <chr>  <dbl> <dbl>
1     1  2011       6 Treat1    12    -6
2     2  2012       3 Treat1     9    -6
3     3  2013       6 Treat1     3     3
4     1  2011       6 Treat2     4     2
5     2  2012       3 Treat2     5    -2
6     3  2013       6 Treat2     1     5
  

Просто точный результат:

 dummy_df %>% 
  spread(Treatment,Value) %>% 
  gather(key,value,Treat1:Treat2) %>% 
  mutate(Treatment=paste0("Control-",key)) %>% 
  group_by(Block,Year,Treatment) %>% 
  mutate(Val=Control-value) %>% 
  select(Treatment,everything(),-value,-key)%>% 
  arrange(Year)
  

Результат:

 # A tibble: 6 x 5
# Groups:   Block, Year, Treatment [6]
  Treatment      Block  Year Control   Val
  <chr>          <int> <int>   <dbl> <dbl>
1 Control-Treat1     1  2011       6    -6
2 Control-Treat2     1  2011       6     2
3 Control-Treat1     2  2012       3    -6
4 Control-Treat2     2  2012       3    -2
5 Control-Treat1     3  2013       6     3
6 Control-Treat2     3  2013       6     5
  

Другое tidyverse решение. Мы можем использовать filter для разделения «Управления» и «Обработки» для разных фреймов данных, использовать left_join для их объединения с помощью Block и Year , а затем обрабатывать фрейм данных.

 library(tidyverse)

df2 <- df %>%
  filter(!Treatment %in% "Control") %>%
  left_join(df %>% filter(Treatment %in% "Control"), 
            ., 
            by = c("Block", "Year")) %>%
  mutate(Value = Value.x - Value.y) %>%
  unite(Treatment, Treatment.x, Treatment.y, sep = "-") %>%
  select(names(df))
#        Treatment Block Year Value
# 1 Control-Treat1     1 2011    -6
# 2 Control-Treat2     1 2011     2
# 3 Control-Treat1     2 2012    -6
# 4 Control-Treat2     2 2012    -2
# 5 Control-Treat1     3 2013     3
# 6 Control-Treat2     3 2013     5