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!
解决方案
首先,您需要使 true NA
s。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
- machine-learning - 字符串索引器,CountVectorizer Pyspark 单行
- node.js - sudo npm install -g cordova ionic - 不工作,因为 EEXIST
- c# - User.Identity.GetUserId() 在 .net Core 中总是返回 null
- azure - 部署到 Azure 应用服务时站点不显示
- python - 弹跳球游戏 tkinter 帆布
- python-3.x - 是否可以在 Python3 中使变量成为对类属性的引用?
- swift - swift 5 data.withUnsafeBytes
- python - 尝试使用 matplotlib 为数据框列表制作子图时出现值错误?
- python - 员工退休年限如何计算
- python - 解析一个值是试图在一个切片的副本上设置错误