比方说，我们有这个数据帧：
x<- as.data.frame(cbind(c("A","A","A","B","B","B","B","B","C","C","C","C","C","D","D","D","D","D"),
c(1,2,3,1,2,3,2,3,1,2,3,4,5,1,2,3,4,5),
c(10,12.5,15,2,3.4,5.7,8,9.5,1,5.6,8.9,10,11,2,3.4,6,8,10.5),
c(1,3,4,1,2,3,4,3,2,2,3,5,2,3,5,4,5,5)))
colnames(x)<- c("ID", "Visit", "Time", "State")
列ID指示受试者ID。
列Visit显示了一系列的访问
列Time表示已经通过达到一定的“国家”的时间
列State指某种疾病，其中5意味着死亡的严重程度。 这意味着，你可以从糟糕的状态波动，以更好的状态，但你永远无法从5类提高，因为你已经死了。
我想仅识别那些从5类提高到一个更好的受试者，因为这些从数据帧的错误（即，行13和16）。
此外，我想删除当个体似乎已经死了一次以上（即行18）的行。
我做了一个类似的问题之前 ，但它是非常笼统，它意味着所有的波动更好的状态，从数据集，它是不是其实我是想去除。
答案修改问题
的OP已基本上被请求的所有行被认为是错误的状态5（死亡）的第一次出现之后，出现改性的问题。 这包括虚假回收率（如在行13和16），以及“重复死亡”（如在排17和18）。
这个答案需要一个完整的不同的方法。 一种可能性是使用非相等连接 ：
library(data.table)
setDT(x)[x[, first(Visit[State == 5]), by = ID], on = .(ID, Visit > V1), error := TRUE][]
ID Visit Time State error 1: A 1 10.0 1 NA 2: A 2 12.5 3 NA 3: A 3 15.0 4 NA 4: B 1 2.0 1 NA 5: B 2 3.4 2 NA 6: B 3 5.7 3 NA 7: B 2 8.0 4 NA 8: B 3 9.5 3 NA 9: C 1 1.0 2 NA 10: C 2 5.6 2 NA 11: C 3 8.9 3 NA 12: C 4 10.0 5 NA 13: C 5 11.0 2 TRUE 14: D 1 2.0 3 NA 15: D 2 3.4 5 NA 16: D 3 6.0 4 TRUE 17: D 4 8.0 5 TRUE 18: D 5 10.5 5 TRUE
与5国首次访问数由返回
x[, first(Visit[State == 5]), by = ID]
ID V1 1: C 4 2: D 2
在随后的非等距只能加入标记的第一个国家5事件之后出现的那些行。
数据
x <- data.frame(
ID = c("A","A","A","B","B","B","B","B","C","C","C","C","C","D","D","D","D","D"),
Visit = c(1,2,3,1,2,3,2,3,1,2,3,4,5,1,2,3,4,5),
Time = c(10,12.5,15,2,3.4,5.7,8,9.5,1,5.6,8.9,10,11,2,3.4,6,8,10.5),
State = c(1,3,4,1,2,3,4,3,2,2,3,5,2,3,5,4,5,5))
答案原来的问题
的OP已请求在所述数据帧，其中状态5之后是任何国家<5对于每个ID，以确定误差。 在采样数据设置的行13和16应该被标记。
该的Hardik古普塔答案在正确的方向点，但不会返回预期的结果。 所以，行12和15被标记，而不是行13和16.此外，有一个假警报用于排17设置。
有需要三种基本的变化：（1）使用lag来代替lead和（2）提供一个fill值shift()
library(data.table)
setDT(x)[, error := State < 5 & shift(State, fill = 0) == 5, by = ID][]
ID Visit Time State error 1: A 1 10.0 1 FALSE 2: A 2 12.5 3 FALSE 3: A 3 15.0 4 FALSE 4: B 1 2.0 1 FALSE 5: B 2 3.4 2 FALSE 6: B 3 5.7 3 FALSE 7: B 2 8.0 4 FALSE 8: B 3 9.5 3 FALSE 9: C 1 1.0 2 FALSE 10: C 2 5.6 2 FALSE 11: C 3 8.9 3 FALSE 12: C 4 10.0 5 FALSE 13: C 5 11.0 2 TRUE 14: D 1 2.0 3 FALSE 15: D 2 3.4 5 FALSE 16: D 3 6.0 4 TRUE 17: D 4 8.0 5 FALSE 18: D 5 10.5 5 FALSE
数据
第三个变化是必需的，用于创建所述样本数据集。
cbind()返回一个矩阵，其接通所有列到相同的类型，是因子在这种情况下。 因此，由数字的所有列被视为因素。 为了避免这种情况，样本数据集需要被定义为：
x <- data.frame( ID = c("A","A","A","B","B","B","B","B","C","C","C","C","C","D","D","D","D","D"), Visit = c(1,2,3,1,2,3,2,3,1,2,3,4,5,1,2,3,4,5), Time = c(10,12.5,15,2,3.4,5.7,8,9.5,1,5.6,8.9,10,11,2,3.4,6,8,10.5), State = c(1,3,4,1,2,3,4,3,2,2,3,5,2,3,5,4,5,5))
您可以使用data.table和shift这样的
library(data.table)
setDT(x)[, status := ((State == 5) & (shift(State,1,"lead") != 5)), by = ID]
x
ID Visit Time State status
1: A 1 10 1 FALSE
2: A 2 12.5 3 FALSE
3: A 3 15 4 FALSE
4: B 1 2 1 FALSE
5: B 2 3.4 2 FALSE
6: B 3 5.7 3 FALSE
7: B 2 8 4 FALSE
8: B 3 9.5 3 FALSE
9: C 1 1 2 FALSE
10: C 2 5.6 2 FALSE
11: C 3 8.9 3 FALSE
12: C 4 10 5 TRUE
13: C 5 11 2 FALSE
14: D 1 2 3 FALSE
15: D 2 3.4 5 TRUE
16: D 3 6 4 FALSE
17: D 4 8 5 TRUE
18: D 5 10.5 5 FALSE
我还不清楚你想要做什么。 是不是行12 ， 15和17的错误的人，应予删除？
do.call(rbind.data.frame, lapply(tmp, function(w) {
idx <- diff(w$State) <= 0 & w$State[-length(w$State)] == 5;
w[!idx, ];
}))
# ID Visit Time State
#A.1 A 1 10 1
#A.2 A 2 12.5 3
#A.3 A 3 15 4
#B.4 B 1 2 1
#B.5 B 2 3.4 2
#B.7 B 2 8 4
#B.6 B 3 5.7 3
#B.8 B 3 9.5 3
#C.9 C 1 1 2
#C.10 C 2 5.6 2
#C.11 C 3 8.9 3
#C.13 C 5 11 2
#D.14 D 1 2 3
#D.16 D 3 6 4
#D.18 D 5 10.5 5
