如何用dplyr检查TIMSS数据集中同班学生的教师一致性

在TIMSS数据集中，学生嵌套于班级中，每位学生关联1至4位教师。需要找出班级内持有其他学生都未关联的教师的学生记录，要求用dplyr管道链实现。

示例数据 #

df <- data.frame(
    IDSTUD = c(50040201, 50040201, 50040201, 
               50040201, 50040204, 50040204, 50040204, 50040204, 50120303, 50120303, 
               50120303, 50120303, 50120304, 50120304, 50120304), 
    IDCLASS = c(500402, 500402, 
                500402, 500402, 500402, 500402, 500402, 500402, 501203, 501203, 
                501203, 501203, 501203, 501203, 501203), 
    IDTEACH = c(500402, 500403, 
                500404, 500405, 500405, 500404, 500403, 500402, 501201, 501202, 
                501205, 501203, 501203, 501205, 501202)
)

解决方案代码 #

library(dplyr)

unique_teachers <- df %>%
  # 按班级+教师分组，统计关联的不同学生数量
  group_by(IDCLASS, IDTEACH) %>%
  mutate(student_count = n_distinct(IDSTUD)) %>%
  ungroup() %>%
  # 筛选出仅被单个学生关联的教师记录
  filter(student_count == 1) %>%
  # 保留目标列
  select(IDSTUD, IDCLASS, IDTEACH)

代码逻辑说明 #

• group_by(IDCLASS, IDTEACH)：以班级和教师的组合为分组单元，确保统计范围限定在单个班级内的单个教师。
• mutate(student_count = n_distinct(IDSTUD))：计算每组内的不同学生数量，避免同一学生重复关联教师时的重复计数。
• filter(student_count == 1)：筛选出仅被一个学生关联的教师，这些教师就是对应学生独有的资源。

运行结果 #

> unique_teachers

  IDSTUD IDCLASS IDTEACH
1 50120303  501203  501201

内容的提问来源于stack exchange，提问作者Pål Bjartan