R语言计算学生考试序列次数报错及结果正确性排查

1. 明确数据结构 #

假设你的宽表结构如下（示例）：

set.seed(123)
student_exams <- data.frame(
  student_id = paste0("S", 1:5),
  exam1 = sample(0:1, 5, replace = TRUE),
  exam2 = sample(0:1, 5, replace = TRUE),
  exam3 = sample(0:1, 5, replace = TRUE),
  exam4 = sample(0:1, 5, replace = TRUE),
  exam5 = sample(0:1, 5, replace = TRUE)
)

其中student_id是学生标识，后续列对应各次考试的0/1结果。

2. 修复mapply报错问题 #

你遇到的Error in input[i, ] : incorrect number of dimensions，核心原因是：

• 传入自定义函数的是一维向量，但函数里误用了二维索引（[i,]）；
• 或mapply调用逻辑错误，按列而非按行处理学生数据。

正确的处理逻辑是按行提取每个学生的考试向量，再批量处理。

3. 编写序列统计函数 #

以下函数接收单个学生的考试向量，生成所有连续3位序列，并统计8种可能0/1组合的出现次数（未出现的组合补0）：

count_3mers <- function(score_vec) {
  # 过滤无效值（仅保留0/1）
  score_vec <- score_vec[score_vec %in% 0:1]
  n_exams <- length(score_vec)
  
  # 考试次数不足3次时返回全0结果
  if(n_exams < 3) {
    return(setNames(rep(0, 8), c("000", "001", "010", "011", "100", "101", "110", "111")))
  }
  
  # 生成连续3位的字符串序列
  mers <- sapply(1:(n_exams - 2), function(i) {
    paste(score_vec[i:(i+2)], collapse = "")
  })
  
  # 强制统计所有8种可能序列，确保未出现的计数为0
  all_possible <- c("000", "001", "010", "011", "100", "101", "110", "111")
  mer_counts <- table(factor(mers, levels = all_possible))
  
  return(as.vector(mer_counts))
}

4. 按学生批量处理 #

用apply按行处理考试数据，得到每个学生的序列计数：

# 提取纯考试成绩列（排除student_id）
exam_scores <- student_exams[, -which(colnames(student_exams) == "student_id")]

# 按行应用统计函数
student_mer_counts <- apply(exam_scores, 1, count_3mers)

# 转换为结构化结果表
result_df <- data.frame(
  student_id = student_exams$student_id,
  t(student_mer_counts)
)

5. 解决for循环计数过高问题 #

如果你的for循环结果偏高，大概率是序列生成的索引范围错误：

• n次考试对应的有效连续3位序列数量应为n-2个（例如5次考试对应3个序列：1-3、2-4、3-5）；
• 检查循环逻辑，避免错误生成超出索引范围的序列，或误将不同学生的序列合并统计。

6. 计算条件概率 #

以P(第三位=1 | 前两位=01)为例，对每个学生的计数计算条件概率：

# 添加条件概率列，分母为0时设为NA（无对应序列）
result_df$P_1_given_01 <- with(result_df, 
  ifelse((`010` + `011`) == 0, NA, `011` / (`010` + `011`))
)

内容的提问来源于stack exchange，提问作者stats_noob