cumsum和if在dplyr條件在r不給予預期的輸出

我試圖解決dplyr下面的問題，並設法取得一些進展，但我在某些時候面臨的問題很少。cumsum和if在dplyr條件在r不給予預期的輸出

問題陳述

在每個組（由ID分組）的，如果相同的ID的當前HID和先前HID是不同的，並且間隔< 30，則罰列應顯示來自金額的值。在所有其他情況下，它應該顯示0（其他條件可能意味着要麼的HID是相同，或HID之不同，但間隔> = 30）

數據

"ID","DaysToEvent","HID","Interval","Amount" 
2197560,16369,"011",29,90105 
2197560,16494,"121",29,50526 
2197560,16509,"121",29,194568 
2197560,16569,"001",31,27236 
2197560,16577,"128",29,17309 
2197578,14447,"001",29,17276 
2197578,14468,"021",29,12661 
2197578,14489,"001",31,15015 
2197578,14517,"001",29,19000 
2197578,14517,"02P",29,19001 
2197578,14517,"001",31,19002 
2197578,14517,"001",29,19003 
2197578,14517,"001",29,19004

我的代碼

mycoredata2009 = read.csv('path/to/abovefile.csv') 
CumulativeCumulativeCost = 0; 
mycoredata2009 = mycoredata2009 %>% 
    group_by(ID) %>% 
    mutate(Penalty = ifelse(((HID != lag(HID)) & Interval < 30) ,Amount,0)) %>% 
    mutate(CumulativeCost=cumsum(as.numeric(Penalty))) %>% 
    CumulativeCumulativeCost = cumsum(as.numeric(CumulativeCost)) %>% 
    cat(paste("For group with ID==",ID,"CumulativeCost==", CumulativeCost,sep="")) 
    mycoredata2009 = as.data.frame(mycoredata2009)

問題，我目前正面臨着

然而，有幾個問題與代碼

的刑罰欄顯示金額，即使當前HID 和以前的HID是相同的數值。（正常工作的另外兩個條件）
這應該是運行成本的罰金列總是顯示NA
在每個組的結尾處的CumulativeCost柱，我想打印個的CumulativeCost在組，並保持插入該組的ID和CumulativeCost成最終輸出數據幀
我也希望有一個稱爲CumulativeCumulativeCost 可變其中，顧名思義是每個CumulativeCost 的運行總和組。

接收的輸出

ID DaysToEvent HID Interval Amount Penalty CumulativeCost 
1 2197560  16369  011    29 90105  NA    NA 
2 2197560  16494  121    29 50526 50526    NA 
3 2197560  16509  121    29 194568 194568    NA 
4 2197560  16569  001    31 27236  0    NA 
5 2197560  16577  128    29 17309 17309    NA 
6 2197578  14447  001    29 17276  NA    NA 
7 2197578  14468  021    29 12661 12661    NA 
8 2197578  14489  001    31 15015  0    NA 
9 2197578  14517  001    29 19000 19000    NA 
10 2197578  14517  02P    29 19001 19001    NA 
11 2197578  14517  001    31 19002  0    NA 
12 2197578  14517  001    29 19003 19003    NA 
13 2197578  14517  001    29 19004 19004    NA

預期輸出（手算）

ID DaysToEvent HID Interval Amount Penalty CumulativeCost 
1 2197560  16369  011    29 90105  NA    NA 
2 2197560  16494  121    29 50526 50526   50526 
3 2197560  16509  121    29 194568  0   50526 
4 2197560  16569  001    31 27236  0   50526 
5 2197560  16577  128    29 17309 17309   67835 
6 2197578  14447  001    29 17276  NA    NA 
7 2197578  14468  021    29 12661 12661   12661 
8 2197578  14489  001    31 15015  0   12661 
9 2197578  14517  001    29 19000  0   12661 
10 2197578  14517  02P    29 19001 19001   31662 
11 2197578  14517  001    31 19002  0   31662 
12 2197578  14517  001    29 19003  0   31662 
13 2197578  14517  001    29 19004  0   31662

來源

2015-02-10 IAMTubby

基於預期的輸出，之後我們創建使用邏輯狀態中的「點球」列（HID!=lag(HID,...)），將每個組的「罰分」列中的第一個觀察結果更改爲「NA」，得到其他行的，並追加NA它（c(NA, cumsum(...)）打造的「CumulativeCost」

library(dplyr) 
mycoredata2009%>% 
    group_by(ID) %>% 
    mutate(Penalty= ifelse(HID!=lag(HID, default=0) & Interval<30, Amount, 0), 
       Penalty=ifelse(row_number()==1L, NA, Penalty), 
       CumulativeCost=c(NA, cumsum(Penalty[-1L]))) 
    #  ID DaysToEvent HID Interval Amount Penalty CumulativeCost 
    #1 2197560  16369 011  29 90105  NA    NA 
    #2 2197560  16494 121  29 50526 50526   50526 
    #3 2197560  16509 121  29 194568  0   50526 
    #4 2197560  16569 001  31 27236  0   50526 
    #5 2197560  16577 128  29 17309 17309   67835 
    #6 2197578  14447 001  29 17276  NA    NA 
    #7 2197578  14468 021  29 12661 12661   12661 
    #8 2197578  14489 001  31 15015  0   12661 
    #9 2197578  14517 001  29 19000  0   12661 
    #10 2197578  14517 02P  29 19001 19001   31662 
    #11 2197578  14517 001  31 19002  0   31662 
    #12 2197578  14517 001  29 19003  0   31662 
    #13 2197578  14517 001  29 19004  0   31662

或者我們可以刪除ifelse

mycoredata2009 %>% 
    group_by(ID) %>% 
    mutate(Penalty=NA^(row_number()==1L)*(HID!=lag(HID, default=0) & 
        Interval<30)*Amount, 
      CumulativeCost=c(NA, cumsum(Penalty[-1L])))

或者使用data.table

library(data.table) #data.table_1.9.5 
setDT(mycoredata2009)[, { 
    tmp = NA^(1:.N==1L)*(HID!= shift(HID, fill=0) & Interval<30)*Amount 
    c(.SD, list(Penalty=tmp, CumulativeCost=c(NA, cumsum(tmp[-1L])))) 
    },ID] 

    #1: 2197560  16369 011  29 90105  NA    NA 
    #2: 2197560  16494 121  29 50526 50526   50526 
    #3: 2197560  16509 121  29 194568  0   50526 
    #4: 2197560  16569 001  31 27236  0   50526 
    #5: 2197560  16577 128  29 17309 17309   67835 
    #6: 2197578  14447 001  29 17276  NA    NA 
    #7: 2197578  14468 021  29 12661 12661   12661 
    #8: 2197578  14489 001  31 15015  0   12661 
    #9: 2197578  14517 001  29 19000  0   12661 
#10: 2197578  14517 02P  29 19001 19001   31662 
#11: 2197578  14517 001  31 19002  0   31662 
#12: 2197578  14517 001  29 19003  0   31662 
#13: 2197578  14517 001  29 19004  0   31662

來源

2015-02-10 06:43:46 akrun

cumsum和if在dplyr條件在r不給予預期的輸出

回答

相關問題