将虚拟变量转换为分类变量

Question

这是我的数据框

data<-data.frame(
ID=c(1:8),
Diag1=c(1,0,1,0,1,0,1,0),
Diag2=c(0,1,0,1,0,0,1,0),
Diag3=c(0,0,0,1,0,1,1,0),
Multiple.Diag=c(0,0,1,1,0,0,1,0)
)

我有不同诊断的患者，其中一些有多种诊断。这些诊断是虚拟变量，需要转换为分类变量。如果患者 Mult.diag==1，他的诊断将是 Multiple.diag，否则他的诊断将是 Diag1、Diag2 或 Diag3。如果患者的整个变量为 0，则诊断将是 "Other"。

这是我想要的：

  ID     Diagnosis
1  1         Diag1
2  2         Diag2
3  3 Multiple.Diag
4  4 Multiple.Diag
5  5         Diag1
6  6         Diag3
7  7 Multiple.Diag
8  8         Other

Answer 1

这是一个带有 max.col 的选项，用于在 'Diag' 列的子集的每一行中查找具有最高值的列的索引，使用该索引获取列名，然后更改那些元素到 'Multiple.Diag' 其中它是 1，如果一行中没有 1，我们使用由 rowSums

创建的逻辑表达式将其归类为 'Other'

-代码

out <- cbind(data['ID'], Diagnosis = names(data)[-1][
              max.col(data[startsWith(names(data), 'Diag')], 'first')])
i1 <- as.logical(data$Multiple.Diag)
out$Diagnosis[i1] <- 'Multiple.Diag'
i2 <- rowSums(data[-1]) == 0
out$Diagnosis[i2] <- 'Other'

-输出

out
#  ID     Diagnosis
#1  1         Diag1
#2  2         Diag2
#3  3 Multiple.Diag
#4  4 Multiple.Diag
#5  5         Diag1
#6  6         Diag3
#7  7 Multiple.Diag
#8  8         Other

max.col 是矢量化的，应该非常快

或者另一种选择是将 which 与 arr.ind = TRUE

一起使用

m1 <- which(data[-1] == 1, arr.ind = TRUE)
cbind(data['ID'], Diagnosis = ifelse(rowSums(data[-1]) == 0, 
    'Other', names(data)[-1][tapply(m1[, 2], m1[,1], FUN = max)]))

-输出

#  ID     Diagnosis
#1  1         Diag1
#2  2         Diag2
#3  3 Multiple.Diag
#4  4 Multiple.Diag
#5  5         Diag1
#6  6         Diag3
#7  7 Multiple.Diag
#8  8         Other

或者用tidyverse用同样的方法

library(dplyr)
data %>% 
   transmute(ID, Diagnosis = case_when(rowSums(.[-1]) == 0 ~ "Other", 
         TRUE ~ names(.)[-1][max.col(.[-1], 'last')]))

-输出

#  ID     Diagnosis
#1  1         Diag1
#2  2         Diag2
#3  3 Multiple.Diag
#4  4 Multiple.Diag
#5  5         Diag1
#6  6         Diag3
#7  7 Multiple.Diag
#8  8         Other

或者我们使用 rowwise 和 c_across

的另一种选择

data %>%
   rowwise %>% 
   transmute(ID, Diagnosis = coalesce(case_when(as.logical(Multiple.Diag) 
    ~ 'Multiple.Diag',
     TRUE ~ names(.)[-1][as.logical(c_across(-1))][1] ), 'Other'))

-输出

# A tibble: 8 x 2
# Rowwise: 
#     ID Diagnosis    
#  <int> <chr>        
#1     1 Diag1        
#2     2 Diag2        
#3     3 Multiple.Diag
#4     4 Multiple.Diag
#5     5 Diag1        
#6     6 Diag3        
#7     7 Multiple.Diag
#8     8 Other

Answer 2

您可以像这样使用 apply() 和 built-in 函数。您可以将结果添加到原始 data 或保存在新数据框中。函数 myfunc 根据您提到的方向提取要处理的变量名称。这里的代码：

#Code
myfunc <- function(x)
{
  y <- names(x)[max(which(x==1))]
  if(is.na(y))
  {
    y <- 'Others'
  }
  return(y)
}
#Add var
data$Var <- apply(data[,-1],1,myfunc)

输出：

  ID Diag1 Diag2 Diag3 Multiple.Diag           Var
1  1     1     0     0             0         Diag1
2  2     0     1     0             0         Diag2
3  3     1     0     0             1 Multiple.Diag
4  4     0     1     1             1 Multiple.Diag
5  5     1     0     0             0         Diag1
6  6     0     0     1             0         Diag3
7  7     1     1     1             1 Multiple.Diag
8  8     0     0     0             0        Others

Answer 3

使用 tidyverse 你还可以这样做：

data %>% 
  pivot_longer(-ID) %>%
  group_by(ID) %>%
  slice(which.max(as.integer(factor(name))*value))%>%
  mutate(name = if_else(value == 0, 'other',name), value= NULL)
 # A tibble: 8 x 2
# Groups:   ID [8]
     ID name         
  <int> <chr>        
1     1 Diag1        
2     2 Diag2        
3     3 Multiple.Diag
4     4 Multiple.Diag
5     5 Diag1        
6     6 Diag3        
7     7 Multiple.Diag
8     8 other

将虚拟变量转换为分类变量

Transform dummy variable into categorical variable

r

categorical-data

dplyr

dummy-variable