在data.frame列上循环生成R中的虚拟变量
我正在努力为当前的项目生成一个变量。我在Windows上使用RVersion4.0.1。
数据描述
我在data.table中有不平衡的面板数据，其中包含243个变量(在运行命令之前)和8278个观察结果。数据由ID和period唯一标识。此外，在列69:135 I中，获得了不同的区域虚拟(2=是的，公司在区域中操作；1= no，公司不在区域中操作)和列中的178:244滞后版本，这些变量来自按ID分组的列69:135。
dat <-
data.table(id = as.factor(c(rep("C001", 3), "C002", rep("C003", 5), rep("C004", 2), rep("C005", 7))),
period = as.factor(c(1, 2, 3, 2, 1, 4, 5, 6, 10, 3, 4, 2, 3, 4, 7, 8, 9, 10)),
region1 = as.factor(c(NA, NA, 2, 1, NA, 1, 2, 2, 1, NA, 1, rep(NA, 7))),
region2 = as.factor(c(1, 2, 1, 1, NA, NA, 2, 1, 2, 1, 1, rep(NA, 7))),
industry = as.factor(c(rep("Finance", 3), "Culture", rep("Nutrition", 5), rep("Finance", 2), rep("Medicine", 7))),
number_employees = as.numeric(c(10, 10, 12, 2, 2, 4, 4, 4, 4, 18, 25, 100, 110, 108, 108, 120, 120, 120)),
lag_region1 = as.factor(c(rep(NA, 6), 1, 2, 2, rep(NA, 9))),
lag_region2 = as.factor(c(NA, 1, 2, rep(NA, 4), 2, 1, NA, 1, rep(NA, 7))))
#this gives (last 8 rows are not printed):
# id period region1 region2 industry number_employees lag_region1 lag_region2
# 1: C001 1 <NA> 1 Finance 10 <NA> <NA>
# 2: C001 2 <NA> 2 Finance 10 <NA> 1
# 3: C001 3 2 1 Finance 12 <NA> 2
# 4: C002 2 1 1 Culture 2 <NA> <NA>
# 5: C003 1 <NA> <NA> Nutrition 2 <NA> <NA>
# 6: C003 4 1 <NA> Nutrition 4 <NA> <NA>
# 7: C003 5 2 2 Nutrition 4 1 <NA>
# 8: C003 6 2 1 Nutrition 4 2 2
# 9: C003 10 1 2 Nutrition 4 2 1
#10: C004 3 <NA> 1 Finance 18 <NA> <NA>期望结果
我想要生成一个新的虚拟变量left_region，它等于“是”时，公司已经离开了至少一个地区在各自的期间。我想通过“比较”第69栏与第178栏、第70栏至第179栏、第71栏至第180栏等来处理这个问题。如果是，left_region应该设置为“是”，例如dt[, 69] == 1 & dt[, 178] == 2 (因此，如果一家公司离开它以前经营的地区，left_region就等于“是”)。期望的结果如下所示：
# desired result (last 8 rows are not printed):
# id period region1 region2 industry number_employees lag_region1 lag_region2 left_region
# 1: C001 1 <NA> 1 Finance 10 <NA> <NA> no
# 2: C001 2 <NA> 2 Finance 10 <NA> 1 no
# 3: C001 3 2 1 Finance 12 <NA> 2 yes
# 4: C002 2 1 1 Culture 2 <NA> <NA> no
# 5: C003 1 <NA> <NA> Nutrition 2 <NA> <NA> no
# 6: C003 4 1 <NA> Nutrition 4 <NA> <NA> no
# 7: C003 5 2 2 Nutrition 4 1 <NA> no
# 8: C003 6 2 1 Nutrition 4 2 2 yes
# 9: C003 10 1 2 Nutrition 4 2 1 yes
#10: C004 3 <NA> 1 Finance 18 <NA> <NA> no问题描述
不过，我正努力让这一切同时进行。我在for循环中使用了for。为此，我必须首先使我的data.table成为一个data.frame。
# generate empty cells
df <- data.frame(matrix(NA, nrow = 8278, ncol = 67))
# combine prior data.table and new data.frame in large data.frame (with data.table the following loop does not work)
dt <- as.data.frame(cbind(dt, df))
# loop through 67 columns comparing 69 to 178, 70 to 179, etc.
for (i in 69:135) {
dt[, i + 176] <- ifelse(is.na(dt[, i]) & is.na(dt[, (i + 109)]), NA,
ifelse(dt[, i] == 1 & dt[, (i + 109)] == 2, "yes", "no"
)
)
}
# generate final dummy variable left_region --> there is some error here
dt$left_region <-
ifelse(any(dt[, c(245:311)] == "yes"), "yes", "no")但是，结合运行最后一个ifelse()和any()，将导致对8278个观测服务中的每一个只包含“是”的left_region。
如果只使用一个观察，我测试了后一个ifelse()命令的行为。
#take out one observation
one_row <- dt[7, ]
library(dplyr)
# generate left_region for one observation only
new <-
one_row %>%
mutate(left_region = ifelse(any(one_row[, c(245:311)] == "yes"), "yes", "no"))选中的观察结果应该会生成left_region== "no“，但在这种情况下恰恰相反。在某种程度上，ifelse()的最后一个论点“否”似乎不是R.
除了不是解决问题的“漂亮”解决方案之外，将ifelse()和any()组合到for()循环中也不能解决这个问题。在这种情况下，left_region只在270个案例中使用“是”，但始终没有“否”。
for (i in 1:nrow(dt)) {
dt$left_region[i] <-
ifelse(any(dt[i, c(245:311)] == "yes"), "yes", "no")
}，有人知道为什么会这样吗？我需要做些什么才能得到我想要的结果？任何想法都是非常感谢的！
我非常希望我能以一种容易理解的方式解释一切。非常感谢提前！
回答 1
Stack Overflow用户
发布于 2021-01-16 04:42:29
如果69:135列中的值为1，则dt[, 69:135] == 1将返回TRUE，否则返回FALSE。
如果第178:244列中的值为2，则dt[, 178:244] == 2将返回TRUE，否则返回FALSE。
您可以在它们之间执行和(&)操作，按元素比较它们，即dt[, 69] & dt[, 178]、dt[, 70] & dt[, 179]等等。取它们的行和，并将其标记为'Yes'，即使在该行中找到单个TRUE。
dt$left_region <- ifelse(rowSums(dt[, 69:135] == 1 & dt[, 178:244] == 2) > 0, 'yes', 'no')https://stackoverflow.com/questions/65745117
复制相似问题
腾讯云开发者
