在 R 中创建新变量 - 缺少数据的问题

Question

我的 R 代码一直遇到基于另一个变量生成新变量的问题。每个参与者都有多个不同变量的条目。并非所有这些变量对每个参与者都很重要。我有一个虚拟编码变量，用于告诉我在生成新变量时应该使用哪个变量。这是我的数据的样子。

data
id use v1 v2 v3
1  1   2  2  1  
2  2   NA 1  2 
3  3   1  NA 3
4  1   3  5  NA
5  2   4  4  1

我将尝试使用虚拟编码变量创建一个新变量。对于这个例子，is use is 1，我想对 x 使用 v1 的值。如果 use 是 2，那么我想对 x 使用 v2。如果 use 是 3，我想对 x 使用 v3。这是我使用的代码。

data$x [data$use == 1] <- data$v1
data$x [data$use == 2] <- data$v2
data$x [data$use == 3] <- data$v3

当我尝试运行代码时，我会收到错误消息“要替换的项目数不是替换长度的倍数”。

我做了一些研究，我认为这与数据丢失有关（尽管我可能是错的）。我尝试在 [] 中使用 is.na () 但这并不能解决问题。

我以前用ifelse解决过类似的问题，但我认为代码在这种情况下不会起作用，因为我有两种以上的情况（我不确定ifelse是否是累积的）。

为什么会出现此错误，解决此问题的最佳方法是什么？

Answer 1

您可以试试下面的代码

v <- c("v1", "v2", "v3")
list2env(
  setNames(
    lapply(v, function(x) data[[x]][data$use == gsub("\D", "", x)]),
    v
  ),
  envir = .GlobalEnv
)

您可以通过

查看

> mget(ls(pattern = "v\d+"))
$v1
[1] 2 3

$v2
[1] 1 4

$v3
[1] 3

Answer 2

您的问题是 <- 作业的左右两侧长度不同。

## data$x[data$use == 1] <- data$v1

data$x[data$use == 1]
#[1] 2 3

data$v1
#[1]  2 NA  1  3  4

如果你通过选择两边来匹配它们，你在笑:

data$x[data$use == 1] <- data$v1[data$use == 1]
data$x[data$use == 2] <- data$v2[data$use == 2]
data$x[data$use == 3] <- data$v3[data$use == 3]

#  id use v1 v2 v3 x
#1  1   1  2  2  1 2
#2  2   2 NA  1  2 1
#3  3   3  1 NA  3 3
#4  4   1  3  5 NA 3
#5  5   2  4  4  1 4

您可以避免需要编写多行代码，并使用矩阵索引使它适用于任意数量的变量，但是，根据我之前的回答：

data[c("v1","v2","v3")][cbind(seq_len(nrow(data)), data$use)]
#[1] 2 1 3 3 4

这实质上是使用带有行和列索引的 matrix 从 v1-3 变量中获取正确的值：

cbind(seq_len(nrow(data)), data$use)
##    row  col
#     [,1] [,2]
#[1,]    1    1
#[2,]    2    2
#[3,]    3    3
#[4,]    4    1
#[5,]    5    2


## assign it get the same result obviously:
data$x <- data[c("v1","v2","v3")][cbind(seq_len(nrow(data)), data$use)]

在 R 中创建新变量 - 缺少数据的问题

Creating New Variables in R- issues with missing data

r

variables

recode