滚动计算以识别两列之间的不匹配

问题描述

• 我的数据包括学生在mid-terms及其final考试中的分数。

• 此数据以wide 格式排列，其中每行对应一个显示为SUID的唯一学生ID。

• 我的数据还包括教师信息，如TUserId所示。每名教师可以有多名学生，因此有多行通用的教师ID。

• 我有兴趣了解是否有老师在期中考试中给学生相似的分数(如mid_sum所示)，但在期末考试中给学生的分数不一致(如final_sum所示)。为了记录这种不一致，我想添加一列Status来记录这种不匹配或不一致。

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，我需要如下内容：：

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：

期中成绩要求：

1-当学生的期中成绩较低时，他们的期末成绩(相对于其他学生)不会较高。例如，当学生SUID = 309的期中成绩低于学生 SUID = 404时，他们的期末成绩较高。在这种情况下，我想将 SUID = 404标记为inconsistent。

2-期中成绩相近的学生期末成绩也不能不同。例如，当学生SUID = 602的期中成绩与老师 TUserId = 209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的其他学生 TUserId = 371相同时，SUID = 123的期末成绩更高。

最终分数要求：

1-但是，可以将相同的final分数分配给期中成绩不同的学生。我意识到这个要求有点令人困惑。只要期中分数保持不变或增加，期末成绩就可以保持不变。但反之亦然，即如果该教师的期中成绩开始下降，那么期末成绩就不可能保持不变。

2-此外，如果期中分数增加，期末分数也可以增加(或与前值保持不变)。

数据导入dput()

数据框的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：

• 我让学生的mid_sum和final_sum分数按升序排序。我只是想找出分数分配不一致的情况。

• 从实现的角度来看，始终与前一个值进行比较。

• 我重新发布我的问题，因为上一个示例没有阐明我的确切要求Identify cases where data sequence changes based on other column UserIDs。

部分解决方案：

以下解决方案部分满足了我的要求，但未涵盖期中分数相近的学生期末分数较高的情况。

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"
    )
  )

推荐答案

非常酷的问题。您的问题已得到很好的解释。

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"))

结果就是您想要的表格

这篇关于滚动计算以识别两列之间的不匹配的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！