时间戳

首页 > 解决方案 > 如何使用应用于多列数据的条件创建新变量？

r - 如何使用应用于多列数据的条件创建新变量？

问题描述

我是一名 R 新手，目前我的代码遇到了一些困难。本质上，我在数据集中有几个变量，其中包含个人经常参与的活动类型的信息（例如，1 = 阅读，2 = 艺术和手工艺，3 = 园艺等）。

一些模拟数据：

df = data.frame(ID = c(1001, 1002, 1003, 1004, 1005,1006,1007,1008,1009,1010,1011),
                    orig_1 = c('-7', '2','1','1','NA','2', '3','NA','NA','2', '2'),
                    orig_2 = c('1','1','2','1','3','2', '2', '3','NA','2', '2'),
                    orig_3 = c('-7','3','NA','1','NA','2','NA','1','NA','2', '2'))

基于这些变量，我想创建新的变量，例如，反映一个人是否参与特定的活动（例如 0 = 否，1 = 是）。我做的第一件事是与“不知道”对应的代码值作为NA：

#Recode variables
df$orig_1[df$orig_1==-7] <- NA

df$orig_2[df$orig_2==-7] <- NA

df$orig_3[df$orig_3==-7] <- NA

然后我创建了新的“活动”变量：

# create new activity variable
df$activity_1 <- NA
df$activity_2 <- NA
df$activity_3 <- NA

接下来，我调整了一个函数（由@Sonny 建议）来搜索以下列并返回“1”（对于那些报告参加过活动的人）或其他“0”：

df$activity_1 <- na.omit(apply(df[, 2:4], 1, function(x) {
  if(any(x %in% c(1))) {
    return(1)
  } else {
    return(0)
  }
}))

df$activity_2 <- na.omit(apply(df[, 2:4], 1, function(x) {
  if(any(x %in% c(2))) {
    return(1)
  } else {
    return(0)
  }
}))

df$activity_3 <- na.omit(apply(df[, 2:4], 1, function(x) {
  if(any(x %in% c(3))) {
    return(1)
  } else {
    return(0)
  }
}))

这部分不起作用，但这里的想法是如果所有原始变量都等于“NA”，则将 Na's 引入新变量：

df$activity_1[df$orig_1==NA & df$orig_2==NA & df$orig_3==NA] <- NA

理想情况下，生成的数据框应如下所示：

     ID orig_1 orig_2 orig_3 activity_1 activity_2 activity_3
1  1001      NA      1    NA          1          0          0
2  1002      2      1     NA          1          1          0
3  1003      1      2     NA          1          1          0
4  1004      1      1      1          1          0          0
5  1005     NA      3     NA          0          0          1
6  1006      2      2      2          0          1          0
7  1007      3      2     NA          0          1          1
8  1008     NA     NA      1          1          0          0
9  1009     NA     NA     NA          NA         NA         NA
10 1010      2      2      2          0          1          0
11 1011      2      2      2          0          1          0

我将非常感谢您对改进此代码提出的任何建议！

标签： rfunctionnarecode

解决方案

首先，您需要使 true NAs。你正在做'NA'的是一个字符串，不同于NA. 我们可以这样解决这个问题：

df[df == "NA"] <- NA

然后我们可以查看apply所有列2:4的位置NA并相应地设置activity_*列。

df[apply(df[2:4], 1, function(x) all(is.na(x))), 5:7] <- NA

或矢量化，正如@akrun建议的那样：

df[!rowSums(!is.na(df[2:4])), 5:7] <- NA

 

df
#      ID orig_1 orig_2 orig_3 activity_1 activity_2 activity_3
# 1  1001     -7      1     -7          1          0          0
# 2  1002      2      1      3          1          1          1
# 3  1003      1      2   <NA>          1          1          0
# 4  1004      1      1      1          1          0          0
# 5  1005   <NA>      3   <NA>          0          0          1
# 6  1006      2      2      2          0          1          0
# 7  1007      3      2   <NA>          0          1          1
# 8  1008   <NA>      3      1          1          0          1
# 9  1009   <NA>   <NA>   <NA>         NA         NA         NA
# 10 1010      2      2      2          0          1          0
# 11 1011      2      2      2          0          1          0

数据

df <- structure(list(ID = c(1001, 1002, 1003, 1004, 1005, 1006, 1007, 
1008, 1009, 1010, 1011), orig_1 = structure(c(NA, 3L, 2L, 2L, 
5L, 3L, 4L, 5L, 5L, 3L, 3L), .Label = c("-7", "1", "2", "3", 
"NA"), class = "factor"), orig_2 = structure(c(1L, 1L, 2L, 1L, 
3L, 2L, 2L, 3L, 4L, 2L, 2L), .Label = c("1", "2", "3", "NA"), class = "factor"), 
    orig_3 = structure(c(NA, 4L, 5L, 2L, 5L, 3L, 5L, 2L, 5L, 
    3L, 3L), .Label = c("-7", "1", "2", "3", "NA"), class = "factor"), 
    activity_1 = c(1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0), activity_2 = c(0, 
    1, 1, 0, 0, 1, 1, 0, 0, 1, 1), activity_3 = c(0, 1, 0, 0, 
    1, 0, 1, 1, 0, 0, 0)), .Names = c("ID", "orig_1", "orig_2", 
"orig_3", "activity_1", "activity_2", "activity_3"), row.names = c(NA, 
-11L), class = "data.frame")

推荐阅读