如何在R语言中为每个班级最低4个测试分数标记TX变量为1？

方法1：使用dplyr包（简洁直观） #

通过分组操作给每个班级内的测试分数排序，标记出分数最低的4条观测：

library(dplyr)

# 直接在原始数据集data上新增TX列
data <- data %>%
  group_by(classroom) %>%
  # 用rank函数对班级内的test排序，ties.method控制并列分数的处理逻辑
  mutate(TX = ifelse(rank(test, ties.method = "first") <= 4, 1, 0)) %>%
  ungroup()

• ties.method = "first"：当出现分数并列时，按数据中原始出现顺序优先标记前4个，确保每个班级恰好生成4个1；若需要把所有并列最低分的观测都标记为1，可改用ties.method = "min"（注意这种情况可能导致部分班级的1数量超过4个）。

方法2：Base R实现（无需额外安装包） #

利用ave函数结合分组逻辑完成标记：

# 直接在原始数据集添加TX列
data$TX <- with(data, 
                ave(test, classroom, 
                    FUN = function(x) as.integer(rank(x, ties.method = "first") <= 4))
                )

如果偏好先排序再标记的清晰逻辑，也可以用以下方式：

# 按班级和测试分数升序排序
data_sorted <- data[order(data$classroom, data$test), ]
# 给每个班级的前4条赋值1，其余赋值0
data_sorted$TX <- unlist(tapply(data_sorted$test, data_sorted$classroom, 
                                function(x) c(rep(1, 4), rep(0, length(x)-4))))
# 还原为原始数据的行顺序（若需要保留原始数据的排列）
data <- data[match(rownames(data), rownames(data_sorted)), ]

现有代码的说明 #

你提供的代码是筛选出每个班级分数最低的4条观测生成新数据集，但未在原始数据中添加标记列。上面的方法直接在原始数据集data中新增TX列，完全满足你“在原始数据中完成标记”的需求。

内容的提问来源于stack exchange，提问作者A Hayward