比较两列的条件

Question

我有一个包含四列的数据，第一列有县名，第二列有周期，第三列有实测值(IPC类)，第四列有预测值(预测)。实际值和预测值的范围都在1到5之间。这是32行按县排序的数据。

structure(list(County = c("Baringo", "Baringo", "Baringo", "Baringo", 
"Baringo", "Baringo", "Baringo", "Baringo", "Baringo", "Baringo", 
"Baringo", "Baringo", "Baringo", "Baringo", "Baringo", "Baringo", 
"Baringo", "Baringo", "Baringo", "Baringo", "Baringo", "Baringo", 
"Baringo", "Baringo", "Baringo", "Baringo", "Baringo", "Baringo", 
"Baringo", "Baringo", "Baringo", "Baringo"), `Period of measurement Kenya` = c("2011-01", 
"2011-04", "2011-07", "2011-10", "2012-01", "2012-04", "2012-07", 
"2012-10", "2013-01", "2013-04", "2013-07", "2013-10", "2014-01", 
"2014-04", "2014-07", "2014-10", "2015-01", "2015-04", "2015-07", 
"2015-10", "2016-02", "2016-06", "2016-10", "2017-02", "2017-06", 
"2017-10", "2018-02", "2018-06", "2018-10", "2018-12", "2019-02", 
"2019-06"), `IPC class` = c(2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 1, 1, 1, 2, 3, 2, 1, 1, 1, 1, 1, 2
), Forecast = c(2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 1, 1, 2, 2, 1, 1, 2, 1, 2, 3, 1, 1, 1, 1, 2, 1)), row.names = c(1L, 
48L, 95L, 142L, 189L, 236L, 283L, 330L, 377L, 424L, 471L, 518L, 
565L, 612L, 659L, 706L, 753L, 800L, 847L, 894L, 941L, 988L, 1035L, 
1082L, 1129L, 1176L, 1223L, 1270L, 1317L, 1364L, 1411L, 1458L
), class = "data.frame") 

因此，在我的报告中，我需要知道在我研究的这段时间里，有多少次危机过渡和多少次错误预测的危机转变。危机转换是指实际值列中的值从1或2变为3、4或5。在数据部分，您可以看到Baringo县发生了1次危机转换。为了计算这一点，使用了以下代码：

SUB_count_cristrans_KE <- long.SUB_dfCSKE_tot %>% mutate(crisis = ifelse(`IPC class` %in% 3:5, 1, 0)) %>%
  arrange(County, `Period of measurement Kenya`) %>%
  group_by(County) %>%
  summarize(SUB_crisis_trans_count = sum(diff(crisis) > 0))

预测错误的危机转换是指在发生危机转换时，预测列不显示与IPC类列相同的值。正如您在数据部分所看到的，Baringo的危机过渡被错误地预测了，因为预测列中的值不是3、4或5。所以我的问题是:在ifelse函数中有什么正确的条件来根据县减去错误预测的危机周期？换句话说，首先，它必须检查一段时期是否是一次危机过渡，从而从1或2过渡到3,4或5。如果是这样，则是预测列A 3、4或5中的值。如果不是这样，那么这就是错误预测的危机过渡。我现在的代码是：

SUB_count_crismiss_KE <- long.SUB_dfCSKE_tot %>% mutate(crisis_miss = ifelse(`IPC class` %in% 3:5 & (!Forecast %in% 3:5), 1, 0)) %>%
  arrange(County, `Period of measurement Kenya`) %>%
  group_by(County) %>%
  summarize(SUB_crisis_miss_count_KE = sum(diff(crisis_miss) > 0))

让我知道，如果我需要添加什么或澄清！提前谢谢。

下面，我强调了加里萨县，以使它更清楚的问题是什么，我想解决或我想达到的目标。;)

> subset(sorted_long.SUB_dfCSKE_tot, County=="Garissa")
      County Period of measurement Kenya IPC class Forecast
7    Garissa                     2011-01         2        3
54   Garissa                     2011-04         2        2
101  Garissa                     2011-07         3        3
148  Garissa                     2011-10         3        2
195  Garissa                     2012-01         2        2
242  Garissa                     2012-04         2        2
289  Garissa                     2012-07         3        3
336  Garissa                     2012-10         3        2
383  Garissa                     2013-01         2        2
430  Garissa                     2013-04         2        2
477  Garissa                     2013-07         2        2
524  Garissa                     2013-10         2        2
571  Garissa                     2014-01         2        2
618  Garissa                     2014-04         2        2
665  Garissa                     2014-07         2        2
712  Garissa                     2014-10         3        2
759  Garissa                     2015-01         3        2
806  Garissa                     2015-04         3        2
853  Garissa                     2015-07         2        2
900  Garissa                     2015-10         2        2
947  Garissa                     2016-02         2        2
994  Garissa                     2016-06         2        2
1041 Garissa                     2016-10         2        2
1088 Garissa                     2017-02         3        2
1135 Garissa                     2017-06         3        3
1182 Garissa                     2017-10         2        3
1229 Garissa                     2018-02         3        2
1276 Garissa                     2018-06         1        3
1323 Garissa                     2018-10         1        1
1370 Garissa                     2018-12         2        1
1417 Garissa                     2019-02         2        2
1464 Garissa                     2019-06         2        2

2011-04年至2011-07年期间发生了危机转变；IPC值从2次转变为3次。然而，在2011-07年和2011-10年期间，没有出现危机过渡，因为IPC值保持在3级，因此现在是预测错误的部分。对上述时期之间的危机过渡进行了适当的预测，预测值为3、4或5。2011-10年的预测值是不正确的，但由于没有危机过渡，因此不应将其计算在内。那么，我如何能够在没有危机转移的情况下跳过预测值呢？我希望现在更清楚。

加里萨郡的dput子集：

> copied_sorted_long <- dput(sorted_long.SUB_dfCSKE_tot[193:224,])
structure(list(County = c("Garissa", "Garissa", "Garissa", "Garissa", 
"Garissa", "Garissa", "Garissa", "Garissa", "Garissa", "Garissa", 
"Garissa", "Garissa", "Garissa", "Garissa", "Garissa", "Garissa", 
"Garissa", "Garissa", "Garissa", "Garissa", "Garissa", "Garissa", 
"Garissa", "Garissa", "Garissa", "Garissa", "Garissa", "Garissa", 
"Garissa", "Garissa", "Garissa", "Garissa"), `Period of measurement Kenya` = c("2011-01", 
"2011-04", "2011-07", "2011-10", "2012-01", "2012-04", "2012-07", 
"2012-10", "2013-01", "2013-04", "2013-07", "2013-10", "2014-01", 
"2014-04", "2014-07", "2014-10", "2015-01", "2015-04", "2015-07", 
"2015-10", "2016-02", "2016-06", "2016-10", "2017-02", "2017-06", 
"2017-10", "2018-02", "2018-06", "2018-10", "2018-12", "2019-02", 
"2019-06"), `IPC class` = c(2, 2, 3, 3, 2, 2, 3, 3, 2, 2, 2, 
2, 2, 2, 2, 3, 3, 3, 2, 2, 2, 2, 2, 3, 3, 2, 3, 1, 1, 2, 2, 2
), Forecast = c(3, 2, 3, 2, 2, 2, 3, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 2, 3, 1, 1, 2, 2)), row.names = c(7L, 
54L, 101L, 148L, 195L, 242L, 289L, 336L, 383L, 430L, 477L, 524L, 
571L, 618L, 665L, 712L, 759L, 806L, 853L, 900L, 947L, 994L, 1041L, 
1088L, 1135L, 1182L, 1229L, 1276L, 1323L, 1370L, 1417L, 1464L
), class = "data.frame")

Answer 1

我现在已经创建了一个变量data，它包含Garissa数据(只是为了保持名称简单)。那么，如果我正确地理解了您的意思，那么当有一个实际的转换时，您只想计算一个错误预测的(仅为)。如果没有过渡，根据定义，就不会出现错误预测(或者我们不关心这些情况)。在这种情况下，我认为它可以满足您的需要(当然，中间的data1部分和summary可以合并在一个长管道中)。同样，为了清晰起见，下面的data数据框架与您通过dput提供的Garissa子集相同。

data1 <- data %>% mutate(crisis = ifelse(`IPC class` %in% 3:5, 1, 0),
                         crisis_f = ifelse(Forecast %in% 3:5, 1, 0)) %>%
    arrange(County, `Period of measurement Kenya`) %>%
    group_by(County) %>%
    mutate(crisis_trans = (crisis - lag(crisis)) > 0,
           crisis_trans_f = (crisis_f - lag(crisis_f)) > 0,
           misforecast = case_when(
                    crisis_trans & crisis_trans_f ~ FALSE,
                    crisis_trans & !crisis_trans_f ~ TRUE,
                    TRUE ~ FALSE
                 ))

summary <- data1 %>% 
    group_by(County) %>% 
    summarise(n_transitions = sum(crisis_trans, na.rm = TRUE),
              n_misforecast = sum(misforecast))

> summary
# A tibble: 1 x 3
  County  n_transitions n_misforecast
  <chr>           <int>         <int>
1 Garissa             5             3

下面的逻辑是，我们首先创建转换和预测转换。那么，当且仅当有一个过渡，我们把一个预测归类为一个错误的预测，如果它没有预测一个过渡。所有其他案件都被归类为没有误判。您不一定需要使用case_when，但我喜欢它，因为它非常清楚地了解正在发生的事情。