统计考试结果序列频率：修正data.table代码错误

常见踩坑点分析 #

你遇到的统计错误大概率是这几个原因：

• 数据没按学生+考试顺序排序：shift是按行顺序取数，如果数据乱序，会跨学生拿到别人的考试结果，直接导致统计错误。
• 没排除无效行：前两次考试（比如第1、2次）根本没有“前两次”的历史数据，对应的prev1/prev2是NA，这些行不能参与统计。
• shift分组错了：没按student_id分组做shift，导致不同学生的考试结果混在一起计算。

修正后的完整代码 #

library(data.table)

# 模拟你的数据结构（可替换为实际数据）
dt <- data.table(
  student_id = rep(1:2, each=4),
  exam_order = rep(1:4, 2),
  exam_result = c(1,1,1,0, 1,1,0,1)
)

# 核心前提：按学生+考试顺序排序
setorder(dt, student_id, exam_order)

# 按学生分组生成前1次、前2次考试结果
dt[, `:=`(
  prev1 = shift(exam_result, n=1),
  prev2 = shift(exam_result, n=2)
), by = student_id]

# 筛选符合条件的行，统计当前考试通过次数
final_result <- dt[
  !is.na(prev1) & !is.na(prev2) & prev1 == 1 & prev2 == 1,
  .(count_pass = sum(exam_result == 1)),
  by = student_id
]

print(final_result)

预期输出 #

student_id count_pass
1:          1          1
2:          2          0

（解释：学生1的第3次考试满足前两次都通过且本次通过，计数1；学生2只有第3次考试满足前两次通过，但本次失败，第4次考试的前两次是第2、3次（第3次失败），不满足条件，所以计数0，完全符合预期）

关键修正点说明 #

1. setorder排序：强制数据按学生和考试先后顺序排列，保证shift取到的是同学生的历史考试数据，不会串到其他学生。
2. by=student_id做shift：每个学生的历史数据独立计算，彻底避免跨学生的错误取值。
3. 过滤NA和无效条件：先把没有前两次数据的行去掉，再只保留前两次都通过的行，最后统计这些行里当前考试通过的次数，逻辑完全闭环。

内容的提问来源于stack exchange，提问作者stats_noob