滚动计算识别两列之间的不匹配
- I的数据包括学生在
mid-terms考试和final考试中的成绩。
此数据以SUID.格式排列，其中每一行对应于显示为的唯一学生ID
- I的数据还包括关于教师的信息，这是由
TUserId显示的。每个教师可以有多个学生，因此在几行中都有一个共同的教师ID。
- ，我想知道是否有老师在期中给学生同样的分数(如
mid_sum所示)，他们在期末考试中给学生的分数不一致(如final_sum所示)。要记录这种不一致性，我想要添加一个列inconsistency.
来记录这种不匹配或Status。
输入：
我的数据df如下所示：
TUserId SUID mid_sum final_sum
115 201 7 1
115 309 8 2
115 404 9 1
209 245 10 2
209 398 10 2
209 510 10 2
209 602 10 1
371 111 11 2
371 115 11 2
371 123 11 3
371 124 11 2输出：
对于我的输出，我需要如下所示：
TUserId SUID mid_sum final_sum Status
115 201 7 1 consistent
115 309 8 2 consistent
115 404 9 1 inconsistent
209 245 10 2 consistent
209 398 10 2 consistent
209 510 10 2 consistent
209 602 10 1 inconsistent
371 111 11 2 consistent
371 115 11 2 consistent
371 123 11 3 inconsistent
371 124 11 2 consistent要求：
我的要求如下：
中期成绩要求：
当期中成绩较低时，学生不能有更高的期末成绩(相对于彼此)。例如，当学生的期中成绩低于学生SUID = 309时，学生SUID = 404的期末成绩较高.在这种情况下，我想将SUID = 404标记为inconsistent。
期中分数相近的学生也不能有不同的期末成绩。例如，当学生的期中成绩与教师SUID = 602的其他学生相同时，他们的期末成绩较低。同样，当学生的期中成绩与老师SUID = 123的其他学生相同时，他们的TUserId = 371有更高的期末成绩。
最终评分要求：
然而，同样的final成绩可以分配给期中分数不同的学生.我知道这个要求有点混乱。只要期中分数保持不变或增加，期末成绩就可以保持不变。相反，如果期中分数在老师的范围内开始下降，那么期末成绩就不能保持不变。
此外，如果期中分数在增加，最后的分数也会增加(或者保持与以前的分数相同)。
数据导入dput()
数据框架的dput()如下：
dput(df)
structure(list(
TUserId = c(115L, 115L, 115L, 209L, 209L, 209L, 209L, 371L, 371L, 371L, 371L),
SUID = c(201L, 309L, 404L, 245L, 398L, 510L, 602L, 111L, 115L, 123L, 124L),
mid_sum = c(7L, 8L, 9L, 10L, 10L, 10L, 10L, 11L, 11L, 11L, 11L),
final_sum = c(1L, 2L, 1L, 2L, 2L, 2L, 1L, 2L, 2L, 3L, 2L)),
class = "data.frame", row.names = c(NA, -11L))注意：
- I学生的
mid_sum和final_sum分数按升序排列。我只想找出标记分配不一致的情况。
从实现的角度来看，
- 总是与以前的值进行比较。
我正在重新发布我的问题，因为最后一个例子没有澄清我的确切需求Identify cases where data sequence changes based on other column UserIDs.。
部分解决办法：
下面的解决方案部分满足了我的要求，但不包括那些期中分数相近的学生最终得分较高的情况。
library(dplyr)
df %>%
arrange(TUserId, mid_sum) %>%
group_by(TUserId) %>%
mutate(
Status = if_else(
sign(final_sum - lag(final_sum, default = 0) + lead(final_sum, default = 0))
== sign(mid_sum - lag(mid_sum, default = 0) + lead(mid_sum, default = 0)),
"consisent", "inconsistent"
)
)回答 1
Stack Overflow用户
发布于 2021-06-16 14:38:15
很酷的问题。你的问题解释得很清楚。
请考虑以下代码：
## Rule 1
# we sort by mid sum first, then final sum
# if the cumululative max of the final sum is higher than the current finalsum,
# the mid sum had to be lower
df <- df %>% arrange(mid_sum,final_sum) %>% mutate(inconsistentRule1 = cummax(final_sum)>final_sum)
# Rule 2
# This is a shot in the dark as the inconsitency criteria is a bit fuzzy
# (What if a teacher with only two students on same mid_level assigns different grades,
# which student is to be considered "inconsistent"? The lower or the higher graded)
# i just used the median, in this case students that deviate from the norm
# are considered the inconsistent ones, works with your example
df <- df %>% group_by(TUserId,mid_sum) %>% mutate(inconsistentRule2= final_sum != median(final_sum))
# combine the rules
df <- df %>% ungroup() %>%
mutate(Status=ifelse(
inconsistentRule1 | inconsistentRule2,
"inconsistent",
"consistent"))
# put in order and delete working columns
df %>% arrange(TUserId,SUID) %>%
select(-c("inconsistentRule1","inconsistentRule2"))结果是您想要的表。
https://stackoverflow.com/questions/68001713
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号