r - 使用 tidyverse 清理排名选择调查

Question

我在 R 中有这样的调查数据，其中我向人们展示了两组 Action - 高和低 - 并要求他们对每个 Action 进行排名。每组包含独特的 Action ，用字母标记(总共 6 个 Action )。

 id   A_High   B_High   C_High   D_Low   E_Low    F_Low
001       5         2         1      6       4        3
002       6         4         3      5       2        1
003       3         1         6      2       4        5
004       6         5         2      1       3        4

我需要一个类似于下图的新 df，其中每个高操作都分配了一个新的数字等级(介于 0 和 3 之间)，对应于排名低于的低操作项目的数量那个高 Action 。

例如，id 001 的人在 A_High 排名第 5，B_High 在 2，在 C_High 在 1。A_High 的新排名将为 1(因为只有 1 个 Low Action ，D_Low 排名低于 A_High)， B_High 的新排名将为 3(因为所有 3 个 Low Action 的排名都低于 B_High)，C_High 的新排名将为 3(因为所有 3 个 Low Action 的排名都低于 C_High).

 id   A_High_rank   B_High_rank   C_High_rank   
001             1             3             3                      
002             0             1             1           
003             2             3             0           
004             0             0             2    

我觉得这可以通过 if/else 语句来完成，但怀疑应该有一种更有效的方法来使用 tidyverse 来实现这一点。在真实数据集中，我有 1000 多行和 12 个 Action (6 个高和 6 个低)。我将不胜感激。

谢谢!

数据:

"id   A_High   B_High   C_High   D_Low   E_Low    F_Low
001       5         2         1      6       4        3
002       6         4         3      5       2        1
003       3         1         6      2       4        5
004       6         5         2      1       3        4"

Answer 1

base R 选项将遍历“High”列，通过检查它是否小于“Low”来获取创建的逻辑矩阵的 rowSums列，并通过附加 _rank 作为后缀来重命名这些输出

out <- cbind(df1[1], sapply(df1[2:4],
    function(x) rowSums(x < df1[endsWith(names(df1), 'Low')])))
names(out)[-1] <- paste0(names(out)[-1], "_rank")

-输出

out
#  id A_High_rank B_High_rank C_High_rank
#1  1           1           3           3
#2  2           0           1           1
#3  3           2           3           0
#4  4           0           0           2

---

或者使用dplyr

library(dplyr)
df1 %>% 
     transmute(id, across(ends_with('High'), 
        ~  rowSums(. <  select(df1, ends_with('Low'))), .names = '{.col}_rank'))
# id A_High_rank B_High_rank C_High_rank
#1  1           1           3           3
#2  2           0           1           1
#3  3           2           3           0
#4  4           0           0           2

数据

df1 <- structure(list(id = 1:4, A_High = c(5L, 6L, 3L, 6L), B_High = c(2L, 
4L, 1L, 5L), C_High = c(1L, 3L, 6L, 2L), D_Low = c(6L, 5L, 2L, 
1L), E_Low = c(4L, 2L, 4L, 3L), F_Low = c(3L, 1L, 5L, 4L)), 
class = "data.frame", row.names = c(NA, 
-4L))