r - 基于条件语句使用 mutate() 计算有序观测值

Question

我正在尝试计算按另一个变量分组后特定行之间的增长率(类似于 other users )。

这是我的数据示例:

squirrel_id    wt   age    trialdate 
   22639      9.7     0    2017-04-20
   22639      45.9   24    2017-05-14
   22639     130     53    2017-06-12 #caught 3x, 1 trial
   22640     10.3    0     2017-04-20
   22640     49.2    24    2017-05-14
   22640     121     52    2017-06-11
   22640     196     84    2017-07-13 #caught 4x, 2 trials
   23943     12.9     1    2018-04-27
   23943     57.2    26    2018-05-23 #caught 2x, 1 trial
   23760     150     73    2018-06-18
   23760     165     84    2018-06-29 #caught 2x, 2 trials

为了以这种形式获取此数据，我确保首先使用 library(dplyr) 包来 arrange_by(squirrel_id)。

我想做的是计算以下之间的增长率:

1. 上次观察值和倒数第二个观察值除以已过去的时间 (last_wt-second_last_wt/last_age-second_last_age):[使用 squirrel_id 22640: (196-121)/(84-52)] 以及然后添加一个名为“试用”的列，其中显示“2”
2. 倒数第二个观察值和倒数第三个观察值除以已过去的时间 (second_last_wt-third_last_wt/second_last_age-third_last_age):[使用 squirrel_id 22640:(121-49.2)/(52-24)]然后添加一个名为“试用”的列，其中显示“1”

但有一个问题:

如果 squirrel_id 总共出现 3 次或更少(例如 squirrel_id 22639 和 23943)，那么他们通常仅进行了 1 次试验，因此计算了 1 次增长率。

但是，如果其中 2 个观察值的年龄 > 40 天(例如 squirrel_id 23760)，那么他们进行了 2 次试验。

我的希望是拥有一个如下所示的最终数据集:

squirrel_id    wt   age    trialdate    g.rate     trial
   22639      9.7     0    2017-04-20   NA         NA
   22639      45.9   24    2017-05-14   NA         NA
   22639     130     53    2017-06-12   3.0        1     #caught 3x, 1 trial
   22640     10.3    0     2017-04-20   NA         NA
   22640     49.2    24    2017-05-14   NA         NA
   22640     121     52    2017-06-11   2.6         1
   22640     196     84    2017-07-13   2.3         2     #caught 4x, 2 trials
   23943     12.9     1    2018-04-27   NA         NA
   23943     57.2    26    2018-05-23   1.7         1     #caught 2x, 1 trial
   23760     150     73    2018-06-18    NA        1      
   23760     165     84    2018-06-29    1.4        2     #caught 2x, 2 trials

如果可能的话，我更喜欢 dplyr() 解决方案。

Answer 1

这是一种使用 dplyr 的方法，假设您的数据是 df，如上所述...

library(dplyr)
df %>% 
  arrange(squirrel_id, age) %>%                        #sort by id and age
  group_by(squirrel_id) %>%                            #group by id
  mutate(g.rate = c(NA, diff(wt) / diff(age)),         #calculate g.rate
         trial = row_number() - n() + 2                #counting up to 2 at end
                 - (n() <= 3)                          #-1 if 3 or fewer in group
                 + (n() <= 3 & sort(-age)[2] <= -40),  #+1 if also both age>40
         trial = ifelse(trial<1, NA, trial),           #set to NA if less than 1
         g.rate = ifelse(is.na(trial), NA, g.rate))    #set to NA if trial is NA

   squirrel_id    wt   age trialdate  g.rate trial
 1       22639   9.7     0 2017-04-20  NA       NA
 2       22639  45.9    24 2017-05-14  NA       NA
 3       22639 130      53 2017-06-12   2.9      1
 4       22640  10.3     0 2017-04-20  NA       NA
 5       22640  49.2    24 2017-05-14  NA       NA
 6       22640 121      52 2017-06-11   2.56     1
 7       22640 196      84 2017-07-13   2.34     2
 8       23760 150      73 2018-06-18  NA        1
 9       23760 165      84 2018-06-29   1.36     2
10       23943  12.9     1 2018-04-27  NA       NA
11       23943  57.2    26 2018-05-23   1.77     1

请注意，最后两个 ID 的顺序与您的数据的顺序不同。您可以通过在第一步中执行 arrange(age) 来避免这种情况。