2

Tengo el siguiente df del que debo agrupar y asignar un número secuencial a la combinación ID_sitio y fecha, para lo que he utilizado el script que aparece líneas más abajo.

df1 <- data.frame("ID_Sitio" = c("ES022", "ES023", "ES024", "ES022", "ES023", "ES024"),
              ID_Individuo = c("001", "002", "005", "011", "022", "055"),
              fecha = c("01-01-2001", "02-01-2001", "03-01-2001", "01-01-2001", "02-01-2001", "03-01-2001"),
              stringsAsFactors = F)


ID_Sitio     ID_Individuo    fecha           
ES022        001             01-01-2001
ES023        002             02-01-2001
ES024        005             03-01-2001
ES022        011             01-01-2001
ES023        022             02-01-2001
ES024        055             03-01-2001

library(tidyverse)

# Generamos un tabla con los grupos y
# un id numérico para cada uno
df1 %>%
    group_by(ID_Sitio, fecha) %>% 
    summarize((n)) %>%
    rowid_to_column("grupo") -> grupos

# Combinamos el df original con el de los grupos
df1 %>%
    left_join(grupos)

  ID_Sitio ID_Individuo      fecha grupo   n
1    ES022          001 01-01-2001     1   2
2    ES023          002 02-01-2001     2   2
3    ES024          005 03-01-2001     3   2
4    ES022          011 01-01-2001     1   2
5    ES023          022 02-01-2001     2   2
6    ES024          055 03-01-2001     3   2

Suponiendo que tengo un número de observaciones por grupo mayor a 2

7    ES032          055 03-01-2012     4  25
8    ES042          055 05-01-2012     4  150
9    ES082          055 12-01-2012     4  250

Lo que debo hacer es tomar esos grupos con un número de observaciones <=10 y redistribuirlos en cualquier otra categoría que tenga más de 10 observaciones.

He pensado hacerlo

df1$grupo2<-ifelse(freq<=10, grupo+1, grupo) pero el problema es que no siempre sumándole 1 a "grupo", tendré un grupo con freq>1... Hay alguna forma de hacerlo?

Y luego de redistribuir los grupos, debo volverlos a enumerar, pero eso será tan sencillo como aplicar nuevamente el group_by.

5
  • Y tampoco puedes estar segura que grupo + 1 te va a caer en un grupo con más de 10 observaciones. ¿Y de que forma quieres distribuir las observaciones?. Es decir tienes un grupo con 2 observaciones y dos grupos con 30, y con 11, ¿Cómo esperas distribuir esas 2 observaciones? ¿de manera sencilla, una a cada uno de los dos grupos con más de 10? ¿De forma ponderada a la cantidad de observaciones de los grupos de más de 10, tipo los esquemas de asignación de bancas por votos en los sistemas electorales? ¿Al azar? Commented el 6 mar. 2019 a las 16:09
  • Debo distribuir las observaciones de tal forma que si n<=10, las pase a cualquier grupo siempre y cuando sea del mismo año.
    – Caro
    Commented el 20 mar. 2019 a las 14:51
  • la respuesta que ya te dí, no tiene contemplado tu último comentario: _ siempre y cuando sea del mismo año_, voy a tratar de agregar esto último Commented el 20 mar. 2019 a las 15:05
  • Siento retomar y puntualizar lo que necesitaba con tanto retraso. Gracias por tu ayuda
    – Caro
    Commented el 20 mar. 2019 a las 15:07
  • edité mi respuesta para ajustarla a tu último comentario. Saludos. Commented el 22 mar. 2019 a las 3:10

1 respuesta 1

1

Voy a proponerte un esquema de distribución proporcional a la cantidad de observaciones de cada grupo, para no pensar mucho, vamos a usar un esquema del tipo D´Hondt, que es un esquema electoral de distribución de los votos que no alcanzan el total mínimo para cubrir una banca. Veamos un caso particular de ejemplo:

library(tidyverse)

df1 <- data.frame("ID_Sitio" = c("ES022", "ES023", "ES024", "ES022", "ES023", "ES024"),
                  ID_Individuo = c("001", "002", "005", "011", "022", "055"),
                  fecha = c("01-01-2001", "02-01-2001", "03-01-2001", "01-01-2002", "02-01-2002", "03-01-2002"),
                  stringsAsFactors = F)

set.seed(2019)
df1 <- df1[sample(1:nrow(df1), 50, replace = TRUE, prob=c(.3, .1, .1, .1, .1, .3)), ]

Primero construimos un nuevo data.frame con los datos de interes para el proceso

df1 %>%
    mutate(year=as.numeric(str_split(df1$fecha,'-', simplify = T)[,3])) %>% 
    group_by(ID_Sitio,year,fecha) %>% 
    summarize(n=n()) %>% 
    ungroup() %>% 
    mutate(grupo=row_number(), n_grupo=grupo) %>% 
    left_join(df1, by=c("ID_Sitio", "year", "fecha")) %>% 
    select(ID_Sitio,ID_Individuo, year,fecha, n, grupo, n_grupo) %>% 
    arrange(year,desc(n))  -> df2     

head(df2,12)

# A tibble: 12 x 7
   ID_Sitio ID_Individuo  year fecha          n grupo n_grupo
   <chr>    <chr>        <dbl> <chr>      <int> <int>   <int>
 1 ES022    001           2001 01-01-2001    10     1       1
 2 ES022    001           2001 01-01-2001    10     1       1
 3 ES022    001           2001 01-01-2001    10     1       1
 4 ES022    001           2001 01-01-2001    10     1       1
 5 ES022    001           2001 01-01-2001    10     1       1
 6 ES022    001           2001 01-01-2001    10     1       1
 7 ES022    001           2001 01-01-2001    10     1       1
 8 ES022    001           2001 01-01-2001    10     1       1
 9 ES022    001           2001 01-01-2001    10     1       1
10 ES022    001           2001 01-01-2001    10     1       1
11 ES024    005           2001 03-01-2001     9     5       5
12 ES024    005           2001 03-01-2001     9     5       5

En este nuevo df2 tenemos los datos originales pero además, year, ya que la asignación a cada grupo siempre es dentro del mismo año, n que es la cantidad de observaciones para el grupo de cada fila, grupo que es un numerador de cada uno de estos y n_grupo que va a representar luego la distribución final de grupos.

Usaremos el esquema D´Hondt, para asignar las observaciones de aquellos grupos que no cumplan con el mínimo (perdedores) a los grupos que si lo hacen (vencedores) esto siempre por cada año, ya que una observación de un año solo se deberá asignarse a un grupo de ese mismo año

Hay paquetería en R que contemplan varios algoritmos electorales, por ejemplo: electoral, pero lo cierto que tampoco es tan complejo de implementar, voy a adaptar este código:

dHondt <- function( candidates, votes, seats ){

    tmp <- data.frame(
        candidates = rep( candidates, each = seats ),
        scores     = as.vector(sapply( votes, function(x) x /
                                           1:seats ))
    )
    tmp$candidates[order( - tmp$scores )] [1:seats]
}

El proceso es un poco más complejo debido a que como mencionábamos es por año:

final <- data.frame()
for (y in unique(df2$year)) {

    vencedores <- df2 %>% dplyr::filter(n>=10, year==y)
    perdedores <- df2 %>% dplyr::filter(n<10, year==y)

    df2 %>% 
        filter(year==y) %>% 
        mutate(n_grupo = ifelse(n<10, 
                                dHondt(vencedores$grupo, vencedores$n, sum(perdedores$n)), 
                                grupo)
        ) %>% 
        bind_rows(final) -> final
}

Inicialmente teníamos estos grupos

final %>% 
    group_by(n_grupo) %>% 
    summarize(n=n()) %>% 
    mutate(n_grupo=as.character(n_grupo)) %>% 
    bind_rows(tibble(n_grupo="Total", n=sum(.$n)))

# A tibble: 7 x 2
  grupo     n
  <chr> <int>
1 1        10
2 2         4
3 3         4
4 4         5
5 5         9
6 6        18
7 Total    50

y los hemos reorganizado así

final %>% 
    group_by(n_grupo) %>% 
    summarize(n=n()) %>% 
    mutate(n_grupo=as.character(n_grupo)) %>% 
    bind_rows(tibble(n_grupo="Total", n=sum(.$n)))

# A tibble: 3 x 2
  n_grupo     n
  <chr>   <int>
1 1          23
2 6          27
3 Total      50

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.