fe108's questions

Estou trabalhando em R.

Tenho duas variáveis ​​definidas:

year_current <- 24
year_last <- 23

Atualmente tenho uma variável e ela está definida assim:

SQL_flatfile_23_24 <-  "[schema_24].[liverun_23_24]"

No entanto, quero que ele seja atualizado dinamicamente. Ou seja, quando atualizo year_current e year_last, não preciso atualizar essa linha de código também.

Acho que terá que ter algo a ver com sym, ou !! ou :-, mas não consigo fazer funcionar!

sym(paste0("SQL_flatfile_", year_last, "_", year_current)) = 
        paste0("[schema_", year_current, "][liverun_", year_last, "_", year_current, "]")

O lado esquerdo parece funcionar bem - ou seja, não está sendo gerado como uma string?

> sym(paste0("SQL_flatfile_", year_last, "_", year_current))
SQL_flatfile_2023_2024  

Mas administrar tudo não funciona...

Alguém tem alguma idéia?

Estou trabalhando em R.

Tenho alguns dados sobre o pessoal de uma escola:

data <- data.frame(person_id = c(1, 2, 3, 4, 5, 6, 7, 8), 
                   disability_status = c("yes", "no", "yes", "no", "yes", "no", "yes", "no"),
                   age_group = c("20-30","30-40","20-30","30-40","20-30","30-40","20-30","30-40"), 
                   teacher = c("yes", "no", "no", "yes", "no","yes", "no", "yes" ))

Eu escrevi uma função que cria somas em quais variáveis ​​você insere nela. O argumento "group_tag" serve para ajudar na depuração posterior em meu código.

group_the_data <- function(data, 
                           variable, 
                           group_tag) {
  
  grouped_output <- data %>%
                    mutate(flag = 1) %>%
                    group_by({{variable}}) %>%
                    summarise(number_staff = sum(flag, na.rm = T)) %>%
                    mutate(grouping_tag := {{group_tag}})
  
  return(grouped_output)
  
}

Em seguida, uso a função para agrupar por status_de_incapacidade, grupo_etário e professor, por sua vez:

disability_grouped <- group_the_data(data = data,
                                     variable = disability_status,
                                     group_tag = "disability status")

age_group_grouped <- group_the_data(data = data,
                                    variable = age_group,
                                    group_tag = "age group")

role_grouped <- group_the_data(data = data,
                               variable = teacher,
                               group_tag = "role")

Depois de ter os dataframes necessários, eu os uno:

all_data_grouped <- bind_rows(disability_grouped, age_group_grouped, role_grouped)

Existe uma maneira de percorrer as variáveis ​​para que eu não precise escrever a função três vezes?

Ou usar uma das funções do Apply é uma ideia melhor?

Estou trabalhando em R e preferiria uma solução dplyr, se possível.

dados de amostra:

data.frame(
  col1 = c("a", "b", "c", "d"),
  col2 = c("a", "b", "d", "a"),
  col3 = rep("a", 4L),
  col4 = c("a", "b", "d", "a"),
  col5 = c("a", "a", "c", "d"),
  col6 = rep(c("b", "a"), each = 2L)
)

Pergunta

Gostaria de saber para cada linha se col1, col2 e col3 são iguais a col4, col5 e col6, mas a ordem de col1 - col3 e col4 - col6 deve ser ignorada.

Portanto, para a linha 1, se col1 - col3 contivesse a,a,b respectivamente, e col4 - col6 contivesse b,a,a respectivamente, isso seria considerado uma correspondência.

Resultado desejado

Coloquei uma nota na coluna "avaliação" para ajudar na compreensão

Estou trabalhando em R

Meus dados possuem 500.000 linhas, mas um pequeno exemplo é usado aqui.

Tenho alguns dados sobre funcionários que trabalham em escolas. Algumas pessoas trabalham em uma escola, outras em duas, outras em três, etc. Cada escola em que trabalham é uma linha de dados.

As escolas nem sempre registram os primeiros nomes iguais para um indivíduo. por exemplo, uma escola registra como Will, outra como William.

Também tenho esta suposição: para um indivíduo que trabalha em mais de uma escola, o segundo nome e a data de nascimento são sempre registrados iguais em cada escola.

Com base na semelhança do primeiro nome, quero uma maneira de identificar as pessoas que provavelmente são a mesma pessoa e, em seguida, atribuir-lhes um ID.

Haverá algum tipo de corte, por exemplo, greg e griffin provavelmente não serão a mesma pessoa, embora compartilhem as mesmas duas primeiras letras.

dados de amostra:

data_current <- data.frame(first_name = c("will", "william", "william", "laura", "jessica", "jessicalouise", "james", "greg", "griffin"), 
                           last_name = c("smith", "smith", "smith", "maxwell", "maxwell", "maxwell", "lead", "jones", "jones"),
                           date_of_birth = c("2000-01-02","2000-01-02", "2000-01-02", "2007-01-02","2007-01-02","2007-01-02","1999-01-02","2004-01-02","2004-01-02"), 
                           school_id = c(1, 2, 3, 4, 5, 6, 7, 8, 9))

dados desejados:

É provável que as três primeiras pessoas sejam a mesma pessoa, portanto recebam o mesmo person_id e assim por diante...

data_desired <- data.frame(first_name = c("will", "william", "william", "laura", "jessica", "jessicalouise", "james", "greg", "griffin"), 
                           last_name = c("smith", "smith", "smith", "maxwell", "maxwell", "maxwell", "lead", "jones", "jones"),
                           date_of_birth = c("2000-01-02","2000-01-02", "2000-01-02", "2007-01-02","2007-01-02","2007-01-02","1999-01-02","2004-01-02","2004-01-02"), 
                           school_id = c(1, 2, 3, 4, 5, 6, 7, 8, 9),
                           person_id = c(1, 1, 1, 2, 3, 3, 4, 5, 6))

Alguém tem alguma sugestão de como resolver isso?