r-滚动计算以识别两列之间的不匹配

Question

• 我有包括学生mid-terms和final考试成绩的数据。

• 该数据以wide格式排列，其中每一行对应于显示为SUID的唯一学生ID。

• 我的数据还包括关于教师的信息，由TUserId显示。每个教师可以有多个学生，因此有一个跨几行的通用教师ID。

• 我很想知道是否有老师在学期中期给学生打分相似(如mid_sum所示(的情况，在期末考试中给学生打分不一致(如final_sum所示(。为了记录这种不一致性，我想添加一列Status来记录这种不匹配或不一致性。

输入：

我的数据df看起来像这样：：

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，我需要这样的东西：：

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：

中期分数要求：

1-当学生的期中成绩较低时，他们的期末成绩不能更高(相对于彼此(。例如，当学生SUID = 309的期中成绩低于学生SUID = 404时，他们的期末成绩更高。在这种情况下，我想将SUID = 404标记为inconsistent。

2-期中成绩相似的学生也不能有不同的期末成绩。例如，当学生SUID = 602的期中成绩与教师TUserId = 209的其他学生相等时，他们的期末成绩较低。同样，当学生SUID = 123的期中成绩与教师TUserId = 371的其他学生相等时，他们的期末成绩更高。

最终分数要求：

1-然而，相同的final分数可以分配给不同期中成绩的学生。我意识到这个要求有点令人困惑。只要期中成绩保持不变或有所提高，期末成绩就可以保持不变。但情况并非如此，即如果该教师的期中成绩开始下降，那么最终成绩就不能保持不变。

2-此外，如果期中分数增加，最终分数也可以增加(或与之前的值保持不变(。

数据导入dput((

数据帧的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：

• 我将学生的mid_sum和final_sum分数按升序排序。我只想找出分数分配不一致的情况。

• 从实现的角度来看，总是与以前的值进行比较。

• 我重新发布了我的问题，因为上一个例子没有澄清我的确切要求识别数据序列基于其他列UserID更改的情况。

部分解决方案：

以下解决方案部分满足了我的要求，但没有涵盖中期成绩相似的学生最终成绩更高的情况。

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"
)
)

Answer 1

很酷的问题。你的问题解释得很好。

考虑这个代码：

## 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"))

结果是您想要的表格