R>> 为另一个变量的第一个非NA创建一个0的变量，然后从0开始向上/向下计数其他值*按*第三个变量分组>> 返回

为另一个变量的第一个非NA创建一个0的变量，然后从0开始向上/向下计数其他值*按*第三个变量分组


淋了一整夜的雨
2025-03-11 05:08:32 (6天前)


我有以下df：

df＆lt; - tibble（country = c（“US”，“US”，“US”，“US”，“US”，“US”，“US”，“US”，“US”，“Mex”， “墨西哥”），
year = c（1999,2000,2001,2002,2003,2004,2005,2006,2007,2000，…

3 条回复
  1. 0# 句号了哦哦 | 2019-08-31 10-32



    我们可以找出第一个非NA的行索引

    score

    出现，然后创建一个序列

    1 - index

    至

    n() - index

    对于每个群体。



    1.     
            library(dplyr)
    2. df %>%
         group_by(country) %>%
         mutate(index = which.max(!is.na(score)),
                years_from_implementation = (1 - index[1]):(n() - index[1])) %>%
         select(-index)
    3. country  year score years_from_implementation
                               
      1 US       1999    NA                        -4
      2 US       2000    NA                        -3
      3 US       2001    NA                        -2
      4 US       2002    NA                        -1
      5 US       2003   426                         0
      6 US       2004    NA                         1
      7 US       2005    NA                         2
      8 US       2006   430                         3
      9 US       2007    NA                         4
      10 Mex      2000   450                         0
      11 Mex      2001    NA                         1
      </code>
    4.

  2. 1# My☀ | 2019-08-31 10-32



    这里有一个

    dplyr

    选项



    1.     
            library(dplyr)
      df %>%
          group_by(country) %>%
          mutate(years_from_implementation = 1:n() - which(score == first(score[!is.na(score)]))) %>%
          ungroup()
    2. A tibble: 11 x 4
      country  year score years_from_implementation
                               
      1 US       1999    NA                        -4
      2 US       2000    NA                        -3
      3 US       2001    NA                        -2
      4 US       2002    NA                        -1
      5 US       2003   426                         0
      6 US       2004    NA                         1
      7 US       2005    NA                         2
      8 US       2006   430                         3
      9 US       2007    NA                         4
      10 Mex      2000   450                         0
      11 Mex      2001    NA                         1
      </code>
    3.

登录 后才能参与评论