r - 如何以依赖于 R 中其他行和列中的值的方式填充数据框

Question

假设我有一个如下所示的数据框:

ID   T  X  Y  Z
1    1  A  A  NA
1    2  B  A  NA
1    3  B  B  NA
1    4  B  A  NA
2    1  A  B  NA
2    2  A  A  NA
2    3  B  A  NA
2    4  A  B  NA
3    1  B  B  NA
3    2  B  B  NA
3    3  B  B  NA
3    4  B  A  NA

我想根据一些依赖于行和(前)列值的条件来替换 Z 的值，以便上面的结果看起来像这样:

ID   T  X  Y  Z
1    1  A  A  0
1    2  B  A  0
1    3  B  B  1
1    4  B  A  NA
2    1  A  B  0
2    2  A  A  0
2    3  B  A  0
2    4  A  B  0
3    1  B  B  1
3    2  B  B  NA
3    3  B  B  NA
3    4  B  A  NA

规则:

1. Z 第一次取值 1(按 T 排序，并且在一个 ID 内)该行的 X 和 Y 都具有值 B。
   
2. Z 取(或保留)值 NA 当且仅当对于任何更小的 T 值，它已经取值 1。
   
3. 当 T = 1 时，如果该行上的 X 和 Y 不均等于 B，则 Z 取值 0。
   
4. 当 T > 1 时，如果该行上的 X 和 Y 不都等于 B，并且上一行上的 Z 值 = 零，则 Z 取值 0。
   

我想让下面的东西起作用，它让我有点接近但没有骰子:

df$Z <- NA
for (t in 1:4) {
  df$Z[ (df$X=="B" & df$Y=="B") & df$T==1] <- 1
  df$Z[!(df$X=="B" & df$Y=="B") & df$T==1] <- 0
  if (t>1) {
    df$Z[ (df$X=="B" & df$Y=="B") & df$T==t & (!is.na(df$Z[t-1]) & df$Z[t-1]==0)] <- 0
    df$Z[!(df$X=="B" & df$Y=="B") & df$T==t & (!is.na(df$Z[t-1]) & df$Z[t-1]==0)] <- 1
  }
}

另一方面，我可以编写一系列嵌套的 if...then 语句循环遍历所有观察结果，但这非常慢(至少，与我正在从 Stata 上翻译的程序)。

我确信我在上面的尝试中犯了十二种错误，但几个小时的努力并没有解决它。

所以我来找你乞讨，手里拿着帽子。 :)

编辑:我突然想到共享 Stata 代码(解决这个问题所以比我在 R 中想出的要快得多，这很讽刺，因为我更喜欢 R 而不是 Stata 的语言 :) 可能有助于提出建议。这是我想要的，而且速度很快(即使 N=1600，T=11):

replace Z = .
forvalues t = 1(1)4 {
  replace Z = 1 if X == "B" & Y == "B" & T == 1
  replace Z = 0 if X == "B" & Y == "B" & T == 1
  replace Z = 1 if X == "B" & Y == "B" & T == `t' & Z[_n-1] == 0 & `t' > 1
  replace Z = 0 if X == "B" & Y == "B" & T == `t' & Z[_n-1] == 0 & `t' > 1
  }

Answer 1

这是使用 ave 和 transform 的一种方法:

transform(dat[order(dat$ID, dat$T), ],
          Z = ave(X == "B" & Y == "B", ID, FUN = function(x) {
            as.integer("is.na<-"(x, (duplicated(x) & cumsum(x)) | 
                                    c(0, diff(x)) < 0)) }))

#    ID T X Y  Z
# 1   1 1 A A  0
# 2   1 2 B A  0
# 3   1 3 B B  1
# 4   1 4 B A NA
# 5   2 1 A B  0
# 6   2 2 A A  0
# 7   2 3 B A  0
# 8   2 4 A B  0
# 9   3 1 B B  1
# 10  3 2 B B NA
# 11  3 3 B B NA
# 12  3 4 B A NA

其中 dat 是数据框的名称。如果行已经按照 ID 和 T dat[order(dat$ID, dat$T), ]).