如何遍历数据框中的列子集以创建新变量
How to loop over a subset of columns in a data frame to create new variables
我有几个数据集，其中包含大约 250 个变量，涉及不同地区的 350-600 个农户。数据非常混乱，给分析带来了很多问题。我是 R 的新手，所以在下面的任何帮助将不胜感激。
最初，有几个列包含多个变量，例如"Inputs" 列包含 最多 4 个单独的输入（肥料、除草剂、杀虫剂和杂交种子）。我使用 tidyr 中的 spread() 函数创建了 4 个新变量 (Input_1... Input_4)。由此产生的新 "Input" 变量类似于以下 模拟的 数据框，其中每一行代表一个农户：
Input_1 <- c("Fertilisers", "Fertilisers", "Fertilisers", "Fertilisers", NA)
Input_2 <- c("Hybrid_Seeds", "Hybrid_Seeds", "Pesticides", "Herbicides", NA)
Input_3 <- c(NA, NA, NA, "Pesticides", NA)
Input_4 <- c(NA, NA, NA, "Hybrid_Seeds", NA)
x <- data.frame(Input_1, Input_2, Input_3, Input_4)
x
Input_1 Input_2 Input_3 Input_4
1 Fertilisers Hybrid_Seeds <NA> <NA>
2 Fertilisers Hybrid_Seeds <NA> <NA>
3 Fertilisers Pesticides <NA> <NA>
4 Fertilisers Herbicides Pesticides Hybrid_Seeds
5 <NA> <NA> <NA> <NA>
我希望做的是遍历每个新生成的 "Input" 列，搜索匹配的输入（例如 "Fertilisers" 或 "Pesticides"）并将结果输入"Yes/No" 为数据集中的 4 种输入类型（化肥、杀虫剂、除草剂和杂交种子）中的每一种设置新变量格式。换句话说，上面 x 循环的结果将为新创建的 "Yes/No" 变量生成以下列：
Fertilisers <- c("Yes", "Yes", "Yes", "Yes", "No")
Herbicides <- c("No", "No", "No", "Yes", "No")
Pesticides <- c("No", "No", "Yes", "Yes", "No")
Hybrid_Seeds <- c("Yes", "Yes", "No", "Yes", "No")
x2 <- data.frame(Fertilisers, Herbicides, Pesticides, Hybrid_Seeds)
x2
Fertilisers Herbicides Pesticides Hybrid_Seeds
1 Yes No No Yes
2 Yes No No Yes
3 Yes No Yes No
4 Yes Yes Yes Yes
5 No No No No
当数据框 x 和 x2 合并为一个时，可能更容易想象我想要什么：
x3 <- data.frame(x, x2)
x3
Input_1 Input_2 Input_3 Input_4 Fertilisers Herbicides
1 Fertilisers Hybrid_Seeds <NA> <NA> Yes No
2 Fertilisers Hybrid_Seeds <NA> <NA> Yes No
3 Fertilisers Pesticides <NA> <NA> Yes No
4 Fertilisers Herbicides Pesticides Hybrid_Seeds Yes Yes
5 <NA> <NA> <NA> <NA> No No
Pesticides Hybrid_Seeds
1 No Yes
2 No Yes
3 Yes No
4 Yes Yes
5 No No
这 4 种投入遵循一定的顺序，即如果家庭使用肥料，肥料将始终是第一个 (Input_1)，如果他们同时使用肥料和除草剂，则除草剂将是 Input_2（如果他们使用肥料和杀虫剂但不使用除草剂，那么杀虫剂将是 Input_2，等等。如果家庭使用所有 4 种投入，它们将按以下顺序出现（见上文第 4 行）：化肥、除草剂、杀虫剂、Hybrid_Seeds.
我试图创建 for 循环来遍历所有 4 个输入变量，查找匹配的字符串，并在关联的新输入变量（例如新的 "Fertilisers" 变量，如果在 4 个现有 "Input" 变量中的任何一个中找到 "Fertilisers" 的匹配项），但我没有取得太大的成功。
这个问题似乎没有 apply 家庭解决方案，但我很乐意得到纠正。同样，我是 R 和一般编程的新手，所以任何帮助将不胜感激。我对 for 循环有（非常有限的）经验，但事实证明这个问题对我来说过于复杂，解决它非常关键，因为它是我研究前进的主要障碍。
非常感谢。
我们可以使用table
tbl <- table(row(x), as.character(unlist(x)))
最好保留为二进制输出而不是更改为'Yes/No'，但如果我们需要转换则
tbl[] <- c("No", "Yes")[tbl+1]
这可以转换为data.frame
as.data.frame.matrix(tbl)
# Fertilisers Herbicides Hybrid_Seeds Pesticides
#1 Yes No Yes No
#2 Yes No Yes No
#3 Yes No No Yes
#4 Yes Yes Yes Yes
#5 No No No No
我有几个数据集，其中包含大约 250 个变量，涉及不同地区的 350-600 个农户。数据非常混乱，给分析带来了很多问题。我是 R 的新手，所以在下面的任何帮助将不胜感激。
最初，有几个列包含多个变量，例如"Inputs" 列包含 最多 4 个单独的输入（肥料、除草剂、杀虫剂和杂交种子）。我使用 tidyr 中的 spread() 函数创建了 4 个新变量 (Input_1... Input_4)。由此产生的新 "Input" 变量类似于以下 模拟的 数据框，其中每一行代表一个农户：
Input_1 <- c("Fertilisers", "Fertilisers", "Fertilisers", "Fertilisers", NA)
Input_2 <- c("Hybrid_Seeds", "Hybrid_Seeds", "Pesticides", "Herbicides", NA)
Input_3 <- c(NA, NA, NA, "Pesticides", NA)
Input_4 <- c(NA, NA, NA, "Hybrid_Seeds", NA)
x <- data.frame(Input_1, Input_2, Input_3, Input_4)
x
Input_1 Input_2 Input_3 Input_4
1 Fertilisers Hybrid_Seeds <NA> <NA>
2 Fertilisers Hybrid_Seeds <NA> <NA>
3 Fertilisers Pesticides <NA> <NA>
4 Fertilisers Herbicides Pesticides Hybrid_Seeds
5 <NA> <NA> <NA> <NA>
我希望做的是遍历每个新生成的 "Input" 列，搜索匹配的输入（例如 "Fertilisers" 或 "Pesticides"）并将结果输入"Yes/No" 为数据集中的 4 种输入类型（化肥、杀虫剂、除草剂和杂交种子）中的每一种设置新变量格式。换句话说，上面 x 循环的结果将为新创建的 "Yes/No" 变量生成以下列：
Fertilisers <- c("Yes", "Yes", "Yes", "Yes", "No")
Herbicides <- c("No", "No", "No", "Yes", "No")
Pesticides <- c("No", "No", "Yes", "Yes", "No")
Hybrid_Seeds <- c("Yes", "Yes", "No", "Yes", "No")
x2 <- data.frame(Fertilisers, Herbicides, Pesticides, Hybrid_Seeds)
x2
Fertilisers Herbicides Pesticides Hybrid_Seeds
1 Yes No No Yes
2 Yes No No Yes
3 Yes No Yes No
4 Yes Yes Yes Yes
5 No No No No
当数据框 x 和 x2 合并为一个时，可能更容易想象我想要什么：
x3 <- data.frame(x, x2)
x3
Input_1 Input_2 Input_3 Input_4 Fertilisers Herbicides
1 Fertilisers Hybrid_Seeds <NA> <NA> Yes No
2 Fertilisers Hybrid_Seeds <NA> <NA> Yes No
3 Fertilisers Pesticides <NA> <NA> Yes No
4 Fertilisers Herbicides Pesticides Hybrid_Seeds Yes Yes
5 <NA> <NA> <NA> <NA> No No
Pesticides Hybrid_Seeds
1 No Yes
2 No Yes
3 Yes No
4 Yes Yes
5 No No
这 4 种投入遵循一定的顺序，即如果家庭使用肥料，肥料将始终是第一个 (Input_1)，如果他们同时使用肥料和除草剂，则除草剂将是 Input_2（如果他们使用肥料和杀虫剂但不使用除草剂，那么杀虫剂将是 Input_2，等等。如果家庭使用所有 4 种投入，它们将按以下顺序出现（见上文第 4 行）：化肥、除草剂、杀虫剂、Hybrid_Seeds.
我试图创建 for 循环来遍历所有 4 个输入变量，查找匹配的字符串，并在关联的新输入变量（例如新的 "Fertilisers" 变量，如果在 4 个现有 "Input" 变量中的任何一个中找到 "Fertilisers" 的匹配项），但我没有取得太大的成功。
这个问题似乎没有 apply 家庭解决方案，但我很乐意得到纠正。同样，我是 R 和一般编程的新手，所以任何帮助将不胜感激。我对 for 循环有（非常有限的）经验，但事实证明这个问题对我来说过于复杂，解决它非常关键，因为它是我研究前进的主要障碍。
非常感谢。
我们可以使用table
tbl <- table(row(x), as.character(unlist(x)))
最好保留为二进制输出而不是更改为'Yes/No'，但如果我们需要转换则
tbl[] <- c("No", "Yes")[tbl+1]
这可以转换为data.frame
as.data.frame.matrix(tbl)
# Fertilisers Herbicides Hybrid_Seeds Pesticides
#1 Yes No Yes No
#2 Yes No Yes No
#3 Yes No No Yes
#4 Yes Yes Yes Yes
#5 No No No No