疑难解答ddply（）脚本

Question

我正在开发一个审查因变量，用于生存分析。我的目标是找出某人在调查中回答问题的最后时间（“时间”）（例如，“q.time”被编码为“1”，“q.time + 1”和q后续时间编码为“0”）。

通过这个逻辑，最后回答的问题应该被编码为“1”（q.time）。未回答的第一个问题（q.time + 1）应该编码为“0”。第一个问题未回答后的所有问题都应编码为“NA”。然后我想从我的数据集中删除DV = NA的所有行。

一位非常慷慨的同事帮助我开发了下面的代码，但他现在休假了，需要更多的爱心。代码如下：

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，这会产生错误消息：

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

任何想法？问题似乎位于“rep”命令中，但我是R的新手。非常感谢！

UPDATE：请参阅以下解释，然后参照后续问题

您好，我完全跟着你，真的很感谢你了，帮我出时间。我回到我的数据中，并编写了一个虚拟Q，其中所有受访者都具有“1”的值 - 但是，发现错误真的可能在哪里。在我的真实数据集中，我有30个问题（即30个长格式）。我改变了数据集经过这么肯定q == 1对所有ID的变量，该错误信息更改为说

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

如果问题是与分配给潜艇的行数，则是错误的根源从未来...

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

即$时间< = last.q + 1 $是行数设定为等于值last.q + 1？

更新2：什么，理想情况下，我想我的新变量看起来像！

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 

请注意，“Q”可之间变化为“0”或“1”随着时间的推移（参见ID = 1的观察在时间= 2），但由于生存分析的性质， “dv”不能。我需要做的是创建一个变量，查找“q”在“1”和“0”之间变化的最后时间，然后进行相应审查。第4步之后，我的数据应该是这样的：

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，在信贷到期时给予贷款，下面的代码不是我的。它是与另一位非常慷慨的同事（和工程师）合作产生的，他帮助我解决了我的问题（几个小时！）。

我认为其他分析师的任务是从调查数据中构建一个被审查的变量，可能会发现这个代码很有用，所以我正在通过解决方案。

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) 
}) 

感谢网上所有评论过您的耐心和帮助的人。

Answer 2

.(id)在plyr相当于

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

你的问题是在你的第4分。你参考

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

在你的功能。这是一个空集，因为没有dum[[4]]$q回吐值1

如果你只是想忽略这个分裂然后像

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 

东西会是这个结果

Answer 3

简而言之：这个错误是因为当id == 4没有q == 1。

---

一个很好的方法来检查怎么在这里上是分别改写功能，手动测试ddply正在处理每个数据块。

所以首先重写代码是这样的：

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) 

这仍然给出当然是一个错误，但至少现在我们可以手动检查什么ddply在做什么。

ddply(long, .(id), myfun)真正含义是：

1. 采取所谓的长
2. （为每个不同的ID之一）创造了多个子集dataframes的
3. 应用功能myfun每个子集数据帧
4. 重新组装数据帧结果合并为单个数据帧

因此，让我们尝试做手动ly ddply自动执行的操作。

> 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 
    > 

所以好像错误是从哪儿ddply应用功能ID == 4

步骤来现在，让我们的代码的功能之外，所以我们可以检查每个块。

> ################# 
> # 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) 
> 

所以你得到的错误来自subs$dv <- new.dv因为new.dv有二个长度（即两个值 - （0，-Inf）），但子$ DV是长度为0这将不会是如果dv是一个简单的向量，但由于它在sub数据框中，其列全都有两行，那么sub $ dv也必须有两行。

原因sub有零行是因为没有q == 1时id == 4。

对于id == 4最终数据帧应该没有任何内容吗？你的问题的答案真的取决于你想要在id没有q==1的情况下发生什么。请告诉我们，我们可以帮助您解决代码问题。

UPDATE：

的错误，你得到的是因为subs$dv有31个值，并在new.dv有两个值。

在R中，当您尝试将较长的矢量分配给较短的矢量时，它总会抱怨。

> 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 
> 

但是当你分配一个短向量较长向量，如果较短不是偶数倍的时间越长载体只会抱怨。 （例如3不走均匀，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，如果你尝试这样做，它不会抱怨，因为2进入100均匀。

> test$a <- rnorm(2) 
> 

试试这个：

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

什么是它做的是静静地重复较短的载体，填补了更长的载体。

再次，你怎样解决这个错误（即让两个向量长度相同）将取决于你想要达到的目标。您是否缩短了new.dv，或者缩短了subs$dv？