Berechne zuverlässige Verbesserung vor der Bewertung von unausgeglichenen Daten im Langformat

Question

Ich möchte eine zuverlässige Verbesserung oder Verschlechterung von Sitzung 1 bis zur "letzten Sitzung" in einem unsymmetrischen Datensatz im Langformat berechnen.

Die Daten habe ich wie folgt aussieht:

ID <- c("A","A","B","B","B","C","C","C","C") 
Session <-c(1,2,1,2,3,1,2,3,4) 
Value <- c(10,6,25,35,15,20,25,35,35) 
Have <- data.table(ID,Session,Value) 
Have 

ID Session Value 
A  1 10 
A  2  6 
B  1 25 
B  2 35 
B  3 15 
C  1 20 
C  2 25 
C  3 35 
C  4 35 

Die Daten i wie folgt aussehen müsste:

Change <- c(-4,-4,-10,-10,-10,15,15,15,15) 


Need <- data.table(ID,Session, Value,Change) 
Need 

ID Session Value Change 
A  1 10 -4  
A  2  6 -4  
B  1 25 -10 
B  2 35 -10 
B  3 15 -10 
C  1 20 15  
C  2 25 15  
C  3 35 15  
C  4 35 15  

ich das versucht:

Have$change<-as.vector(unlist(tapply(Have$Value,Have$ID,FUN=function(x){return (x-rep(x[1],length(x)))}))); 
Have 
ID Session Value change 
A  1 10  0 
A  2  6  -4 
B  1 25  0 
B  2 35  10 
B  3 15 -10 
C  1 20  0 
C  2 25  5 
C  3 35  15 
C  4 35  15 

I-Code verwendet von diesem Beitrag Calculating change from baseline with data in long format

Answer 1

Nicht der hübscheste Code aber tut was du willst, denke ich. Ich weiß nicht wirklich data.table so dplyr stattdessen verwendet. Ich habe auch ein wenig Hilfe, wie man aus dieser Frage erste und letzte wählen https://stackoverflow.com/a/31529043/4651564

library(dplyr) 

Have <- as.data.frame(Have) 

Have2 <- Have %>% 
    group_by(ID) %>% 
    arrange(Session) %>% 
    filter(row_number() %in% c(1 , n())) %>% 
    summarise(change = diff(Value) ) 


Have %>% left_join (Have2 , by = "ID") 

edit: Aktualisiert meinen Code ein bisschen es