代码之家 › 专栏 › 技术社区 › aelhak

基于值的第一次出现生成变量

data-manipulation dplyr function r

0

aelhak · 技术社区 · 8 年前

我有5个重复的措施 pub1:pub5 每个取1到4的值。每个都是在不同的年龄测量的 age1:age5 是的。也就是说, pub1 是在 age1 …… pub5 在 age5 等。

我想创建一个新变量 age_pb2 它显示了在 pub 是的。例如,对于单个x, 年龄2 意志平等 age3 如果第一次得分为2 pub3

我试过修改以前的代码,但运气不太好。

library(tidyverse)
#Example data
N <- 2000
data <- data.frame(id = 1:2000,age1 = rnorm(N,6:8),age2 = rnorm(N,7:9),age3 = rnorm(N,8:10),
               age4 = rnorm(N,9:11),age5 = rnorm(N,10:12),pub1 = rnorm(N,1:2),pub2 = rnorm(N,1:2),
               pub3 = rnorm(N,1:2),pub4 = rnorm(N,1:2),pub5 = rnorm(N,1:2))

 data <- data %>% mutate_at(vars(starts_with("pub")), funs(round(replace(., .< 0, NA), 0)))

#New variable showing first age at getting a score of 2 (doesn't work)

i1 <- grepl('^pub', names(data)) # index for pub columns
i2 <- grepl('^age', names(data)) # index for age columns

data[paste0("age_pb2")] <- lapply(2, function(i) {
j1 <- max.col(data[i1] == i, 'first')
j2 <- rowSums(data[i1] == i) == 0
data[i2][cbind(seq_len(nrow(data)), j1 *(NA^j2))]
})

1 回复 | 直到 8 年前

1

Nic 8 年前

set.seed(1)
N <- 2000
data <- data.frame(id = 1:2000,age1 = rnorm(N,6:8),age2 = rnorm(N,7:9),age3 = rnorm(N,8:10),
                   age4 = rnorm(N,9:11),age5 = rnorm(N,10:12),pub1 = rnorm(N,1:2),pub2 = rnorm(N,1:2),
                   pub3 = rnorm(N,1:2),pub4 = rnorm(N,1:2),pub5 = rnorm(N,1:2)) %>% 
  mutate_at(vars(starts_with("pub")), funs(round(replace(., .< 0, NA), 0))) %>%
  mutate(age_pb2 = eval(parse(text = paste0("age", which.min(apply(select(., starts_with("pub")), 2, function(x) which(x == 2)[1]))))))

工作的方式,你 apply 在酒吧的柱子上 which(x == 2)[1] 每列的第一个匹配行,然后 which.min 要获取列索引号(分别为pub age),然后 paste 指定“年龄”(使用 eval(parse(text = variable name)) )相应的列。

例如,在这里之后 应用 你得到

[pub1 = 2,  pub2 = 1, pub3 = 2, pub4 = 4, pub5 = 2]

这是每列第一次出现2个。最早的( 哪一分钟 )出现是为了第二个pub列,因此索引是 2 . 这贴上了“年龄”和eval分析变异。

编辑

对于所有年龄段的人来说,在for循环中进行这项工作可能更方便,或者在 dplyr 我不知道。

for (i in 1:5) {
  index <- which.min(apply(select(data, starts_with("pub")), 2, function(x) which(x == i)[1]))
  data[ ,paste0("age_pb", i)] <- data[ ,paste0("age", index)]
}

不过,请注意 哪一分钟 取第一个最小值。例如,pub1和pub2在第一行都有一个1,因此上面的方法将age1指定给age1,而它也可以是age2。我不知道你想用这个做什么,所以不能说什么是更好的选择。