sustituyen a los grupos basándose en la condición

votos
3

Estoy teniendo un hoja.de.datos ( df), consulte el ejemplo, que contiene información acerca de las personas. Sobre la base de una columna de clave ( sleutel), sé que si las personas viven juntas (por ejemplo, formar una familia) o no. Ahora, tengo que crear nuevas columnas con información acerca de la 'cabeza' de la familia.

     name   sex gzverh   sleutel gzhfd lft
1 Loekens   Man      6  1847LS 9     3  49
2   Kemel Vrouw      5 1847LK 10     2  18
3   Kemel   Man      5 1847LK 10     2  22
4 Boersma Vrouw      4 1847LK 10     2  52
5   Kemel   Man      2 1847LK 10     1  54

Así, por ejemplo: fila 5, Kemel, Hombre y gzhfd 1 (= cabeza de la familia Kemel). Está casado con la Sra. Boersma (misma tecla). Quiero mutar una nueva columna ( lfthb) con la edad del cabeza de familia para todos los miembros de la familia. Así debería ser algo así como:

     name  sex  gzverh   sleutel gzhfd lft lfthb
1 Loekens   Man      6  1847LS 9     3  49    NA
2   Kemel Vrouw      5 1847LK 10     2  18    54
3   Kemel   Man      5 1847LK 10     2  22    54
4 Boersma Vrouw      4 1847LK 10     2  52    54
5   Kemel   Man      2 1847LK 10     1  54    54

He intentado varias maneras con dplyrel uso de múltiples combinaciones de group_by, case_wheny if_elsedeclaraciones. Y me las arreglo para mutar la columna para el jefe de la familia misma. Pero no para los otros miembros.

Por ejemplo, evidentemente, sólo cambia el valor de la propia cabeza:

df <- df %>% mutate(lfthb  = case_when(sleutel == lag(sleutel) & gzhfd == 1 ~ lft))

Pero la forma de incluir el gzhfd == 1después de la ~?

dput de ejemplo de datos:

structure(list(naam = c(Loekens, Kemel, Kemel, Boersma, 
Kemel), gesl = c(Man, Vrouw, Man, Vrouw, Man), gzverh = c(6L, 
5L, 5L, 4L, 2L), sleutel = c(1847LS 9, 1847LK 10, 1847LK 10, 
1847LK 10, 1847LK 10), gzhfd = c(3, 2, 2, 2, 1), lft = c(49, 
18, 22, 52, 54)), row.names = c(NA, 5L), class = data.frame)
Publicado el 19/12/2018 a las 14:09
fuente por usuario
En otros idiomas...                            


2 respuestas

votos
2

Una combinación de replacey ifelsehará el trabajo, es decir,

library(tidyverse)

df %>% 
 group_by(sleutel) %>% 
 mutate(lfthb = ifelse(any(gzhfd == 1), replace(lft, gzhfd != 1, lft[gzhfd == 1]), NA))

lo que da,

# A tibble: 5 x 7
# Groups:   sleutel [2]
  naam    gesl  gzverh sleutel   gzhfd   lft lfthb
  <chr>   <chr>  <int> <chr>     <dbl> <dbl> <dbl>
1 Loekens Man        6 1847LS 9      3    49    NA
2 Kemel   Vrouw      5 1847LK 10     2    18    54
3 Kemel   Man        5 1847LK 10     2    22    54
4 Boersma Vrouw      4 1847LK 10     2    52    54
5 Kemel   Man        2 1847LK 10     1    54    54

Como se menciona @Ronak, podemos omitir la replaceparte

df %>% 
 group_by(sleutel) %>% 
 mutate(lfthb = if (any(gzhfd == 1)) lft[gzhfd == 1] else NA)
Respondida el 19/12/2018 a las 14:20
fuente por usuario

votos
0

Un enfoque data.table (retornos -Inf en lugar de NA para el grupo de los datos faltantes):

dt<-df %>% as.data.table() %>% 
  .[gzhfd==1, lfthb := lft, by="sleutel"] %>% 
  .[,lfthb:= max(lfthb,na.rm = T), by="sleutel"]
Respondida el 19/12/2018 a las 15:06
fuente por usuario

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more