疑難解答ddply（）腳本

Question

我正在開發一個審查因變量，用於生存分析。我的目標是找出某人在調查中回答問題的最後時間（「時間」）（例如，「q.time」被編碼爲「1」，「q.time + 1」和q後續時間編碼爲「0」）。

通過這個邏輯，最後回答的問題應該被編碼爲「1」（q.time）。未回答的第一個問題（q.time + 1）應該編碼爲「0」。第一個問題未回答後的所有問題都應編碼爲「NA」。然後我想從我的數據集中刪除DV = NA的所有行。

一位非常慷慨的同事幫助我開發了下面的代碼，但他現在休假了，需要更多的愛心。代碼如下：

library(plyr) # for ddply 
library(stats) # for reshape(...) 
# From above 
dat <- data.frame( 
    id=c(1, 2, 3, 4), 
    q.1=c(1, 1, 0, 0), 
    q.2=c(1, 0, 1, 0), 
    dv.1=c(1, 1, 1, 1), 
    dv.2=c(1, 1, 0, 1)) 
# From above 
    long <- reshape(dat, 
       direction='long', 
       varying=c('q.1', 'q.2', 'dv.1', 'dv.2')) 
    ddply(long, .(id), function(df) { 
# figure out the dropoff time 
answered <- subset(df, q == 1) 
last.q = max(answered$time) 
subs <- subset(df, time <= last.q + 1) 
# set all the dv as desired 
new.dv <- rep(last.q,1) 
if (last.q < max(df$time)) new.dv <- c(0,last.q) 
subs$dv <- new.dv 
subs 
}) 

不幸的是，這會產生錯誤消息：

"Error in `$<-.data.frame`(`*tmp*`, "dv", value = c(0, -Inf)) : 
replacement has 2 rows, data has 0" 

任何想法？問題似乎位於「rep」命令中，但我是R的新手。非常感謝！

UPDATE：請參閱以下解釋，然後參照後續問題

您好，我完全跟着你，真的很感謝你了，幫我出時間。我回到我的數據中，並編寫了一個虛擬Q，其中所有受訪者都具有「1」的值 - 但是，發現錯誤真的可能在哪裏。在我的真實數據集中，我有30個問題（即30個長格式）。我改變了數據集經過這麼肯定q == 1對所有ID的變量，該錯誤信息更改爲說

"Error in `$<-.data.frame`(`*tmp*`, "newvar", value = c(0, 29)) : replacement has 2 rows, data has 31" 

如果問題是與分配給潛艇的行數，則是錯誤的根源從未來...

subs <- subset(df, time <= last.q + 1) 

即$時間< = last.q + 1 $是行數設定爲等於值last.q + 1？

更新2：什麼，理想情況下，我想我的新變量看起來像！

id time q dv 
1 1 1 1 
1 2 1 1 
1 3 1 1 
1 4 1 1 
1 5 0 0 
1 6 0 NA 
2 1 1 1 
2 2 1 1 
2 3 0 0 
2 4 0 NA 
2 5 0 NA 
2 6 0 NA 

請注意，「Q」可之間變化爲「0」或「1」隨着時間的推移（參見ID = 1的觀察在時間= 2），但由於生存分析的性質， 「dv」不能。我需要做的是創建一個變量，查找「q」在「1」和「0」之間變化的最後時間，然後進行相應審查。第4步之後，我的數據應該是這樣的：

id time q dv 
1 1 1 1 
1 2 1 1 
1 3 1 1 
1 4 1 1 
2 1 1 1 
2 2 1 1 
2 3 0 0 

Answer 1

首先，在信貸到期時給予貸款，下面的代碼不是我的。它是與另一位非常慷慨的同事（和工程師）合作產生的，他幫助我解決了我的問題（幾個小時！）。

我認爲其他分析師的任務是從調查數據中構建一個被審查的變量，可能會發現這個代碼很有用，所以我正在通過解決方案。

library(plyr) 
#A function that only selects cases before the last time "q" was coded as "1" 
slicedf <- function(df.orig, df=NULL) { 
if (is.null(df)) { 
    return(slicedf(df.orig, df.orig)) 
} 
if (nrow(df) == 0) { 
    return(df) 
} 
target <- tail(df, n=1) 
    #print(df) 
    #print('--------') 
    if (target$q == 0) { 
     return(slicedf(df.orig, df[1:nrow(df) - 1, ])) 
    } 
if (nrow(df.orig) == nrow(df)) { 
    return(df.orig) 
} 
return(df.orig[1:(nrow(df) + 1), ]) 
} 
#Applies function to the dataset, and codes over any "0's" before the last "1" as "1" 
long <- ddply(long, .(id), function(df) { 
df <- slicedf(df) 
if(nrow(df) == 0) { 
return(df) 
} 
q <- df$q 
if (tail(q, n=1) == 1) { 
df$q <- rep(1, length(q)) 
} else { 
df$q <- c(rep(1, length(q) - 1), 0) 
} 
return(df) 
}) 

感謝網上所有評論過您的耐心和幫助的人。

Answer 2

.(id)在plyr相當於

> dum<-split(long,long$id) 
> dum[[4]] 
    id time q dv 
4.1 4 1 0 1 
4.2 4 2 0 1 

你的問題是在你的第4分。你參考

answered <- subset(df, q == 1) 

在你的功能。這是一個空集，因爲沒有dum[[4]]$q回吐值1

如果你只是想忽略這個分裂然後像

ans<-ddply(long, .(id), function(df) { 
# figure out the dropoff time 
answered <- subset(df, q == 1) 
if(length(answered$q)==0){return()} 
last.q = max(answered$time) 
subs <- subset(df, time <= last.q + 1) 
# set all the dv as desired 
new.dv <- rep(last.q,1) 
if (last.q < max(df$time)) new.dv <- c(0,last.q) 
subs$dv <- new.dv 
subs 
}) 

> ans 
    id time q dv 
1 1 1 1 2 
2 1 2 1 2 
3 2 1 1 0 
4 2 2 0 1 
5 3 1 0 2 
6 3 2 1 2 

東西會是這個結果

Answer 3

簡而言之：這個錯誤是因爲當id == 4沒有q == 1。

---

一個很好的方法來檢查怎麼在這裏上是分別改寫功能，手動測試ddply正在處理每個數據塊。

所以首先重寫代碼是這樣的：

myfun <- function(df) { 
    # figure out the dropoff time 
    answered <- subset(df, q == 1) 
    last.q = max(answered$time) 
    subs <- subset(df, time <= last.q + 1) 
    # set all the dv as desired 
    new.dv <- rep(last.q,1) 
    if (last.q < max(df$time)) new.dv <- c(0,last.q) 
    subs$dv <- new.dv 
    subs 
} 
ddply(long, .(id), myfun) 

這仍然給出當然是一個錯誤，但至少現在我們可以手動檢查什麼ddply在做什麼。

ddply(long, .(id), myfun)真正含義是：

1. 採取所謂的長
2. （爲每個不同的ID之一）創造了多個子集dataframes的
3. 應用功能myfun每個子集數據幀
4. 重新組裝數據幀結果合併爲單個數據幀

因此，讓我們嘗試做手動ly ddply自動執行的操作。

> myfun(subset(long, id == 1)) 
     id time q dv 
    1.1 1 1 1 2 
    1.2 1 2 1 2 
    > myfun(subset(long, id == 2)) 
     id time q dv 
    2.1 2 1 1 0 
    2.2 2 2 0 1 
    > myfun(subset(long, id == 3)) 
     id time q dv 
    3.1 3 1 0 2 
    3.2 3 2 1 2 
    > myfun(subset(long, id == 4)) 
    Error in `$<-.data.frame`(`*tmp*`, "dv", value = c(0, -Inf)) : 
     replacement has 2 rows, data has 0 
    In addition: Warning message: 
    In max(answered$time) : no non-missing arguments to max; returning -Inf 
    > 

所以好像錯誤是從哪兒ddply應用功能ID == 4

步驟來現在，讓我們的代碼的功能之外，所以我們可以檢查每個塊。

> ################# 
> # set the problem chunk to "df" so we 
> # can examine what the function does 
> # step by step 
> ################ 
> df <- subset(long, id == 4) 
> 
> ################### 
> # run the bits of function separately 
> ################### 
> answered <- subset(df, q == 1) 
> answered 
[1] id time q dv 
<0 rows> (or 0-length row.names) 
> last.q = max(answered$time) 
Warning message: 
In max(answered$time) : no non-missing arguments to max; returning -Inf 
> last.q 
[1] -Inf 
> subs <- subset(df, time <= last.q + 1) 
> subs 
[1] id time q dv 
<0 rows> (or 0-length row.names) 
> # set all the dv as desired 
> new.dv <- rep(last.q,1) 
> new.dv 
[1] -Inf 
> if (last.q < max(df$time)) new.dv <- c(0,last.q) 
> subs$dv <- new.dv 
Error in `$<-.data.frame`(`*tmp*`, "dv", value = c(0, -Inf)) : 
    replacement has 2 rows, data has 0 
> subs 
[1] id time q dv 
<0 rows> (or 0-length row.names) 
> 

所以你得到的錯誤來自subs$dv <- new.dv因爲new.dv有二個長度（即兩個值 - （0，-Inf）），但子$ DV是長度爲0這將不會是如果dv是一個簡單的向量，但由於它在sub數據框中，其列全都有兩行，那麼sub $ dv也必須有兩行。

原因sub有零行是因爲沒有q == 1時id == 4。

對於id == 4最終數據幀應該沒有任何內容嗎？你的問題的答案真的取決於你想要在id沒有q==1的情況下發生什麼。請告訴我們，我們可以幫助您解決代碼問題。

UPDATE：

的錯誤，你得到的是因爲subs$dv有31個值，並在new.dv有兩個值。

在R中，當您嘗試將較長的矢量分配給較短的矢量時，它總會抱怨。

> test <- data.frame(a=rnorm(100),b=rnorm(100)) 
> test$a <- rnorm(1000) 
Error in `$<-.data.frame`(`*tmp*`, "a", value = c(-0.0507065994549323, : 
    replacement has 1000 rows, data has 100 
> 

但是當你分配一個短向量較長向量，如果較短不是偶數倍的時間越長載體只會抱怨。 （例如3不走均勻，放入100）

> test$a <- rnorm(3) 
Error in `$<-.data.frame`(`*tmp*`, "a", value = c(-0.897908251650798, : 
    replacement has 3 rows, data has 100 

但是，如果你嘗試這樣做，它不會抱怨，因爲2進入100均勻。

> test$a <- rnorm(2) 
> 

試試這個：

> length(test$a) 
[1] 100 
> length(rnorm(2)) 
[1] 2 
> test$a <- rnorm(2) 
> length(test$a) 
[1] 100 
> 

什麼是它做的是靜靜地重複較短的載體，填補了更長的載體。

再次，你怎樣解決這個錯誤（即讓兩個向量長度相同）將取決於你想要達到的目標。您是否縮短了new.dv，或者縮短了subs$dv？