如何将 15 个唯一变量提炼成 R 中的 4 个选定变量？

Question

我有一个 df:

Weight   Age     Race
56       10      WHITE - RUSSIAN 
190      54      HISPANIC/LATINO - CUBAN
99       14      SOUTH AMERICAN
80       9       BLACK/AFRICAN 
200      19      ASIAN - CHINESE
201      20      ASIAN
180      90      WHITE
17       2       UNKNOWN/NOT SPECIFIED 
100      10      BLACK/CAPE VERDEAN 
110      11      
109      9       AMERICAN INDIAN/ALASKA NATIVE

比赛类别有 15 个独特的选项，输出为 unique(df$Race):

 [1] WHITE                                   
 [2] WHITE - RUSSIAN                         
 [3] ASIAN                                   
 [4] BLACK/AFRICAN AMERICAN                  
 [5] OTHER                                   
 [6] UNKNOWN/NOT SPECIFIED                   
 [7] BLACK/AFRICAN                           
 [8] HISPANIC/LATINO - CUBAN                 
 [9] WHITE - OTHER EUROPEAN                  
[10] AMERICAN INDIAN/ALASKA NATIVE           
[11] SOUTH AMERICAN                          
[12] ASIAN - CHINESE                         
[13] BLACK/CAPE VERDEAN                      
[14] HISPANIC/LATINO - PUERTO RICAN          
[15]

我想将这些更改为五个桶：“白人”为 [1,2,9]，“黑人”为 [4,7,13]，“西班牙裔”为 [8,11,14 ]、“亚洲”与 [3,12] 和“其他”与 [5,6,10]。如果它是空白的，我希望它保持空白。

我希望输出为：

Weight   Age     Race
56       10      White
190      54      Hispanic
99       14      Hispanic
80       9       Black 
200      19      Asian
201      20      Asian
180      90      White
17       2       Other
100      10      Black
110      11      
109      9       Other

Answer 1

可以用case_when分门别类-

library(dplyr)

df %>%
  mutate(Race = case_when(
             grepl('WHITE', Race) ~ 'White', 
             grepl('BLACK', Race) ~ 'Black', 
             grepl('ASIAN', Race) ~ 'Asian',
             Race %in% c('HISPANIC/LATINO - CUBAN', 'SOUTH AMERICAN', 'HISPANIC/LATINO - PUERTO RICAN') ~ 'Hispanic', 
             Race == '' ~ '', 
             TRUE ~ 'Other'))

#   Weight Age     Race
#1      56  10    White
#2     190  54 Hispanic
#3      99  14 Hispanic
#4      80   9    Black
#5     200  19    Asian
#6     201  20    Asian
#7     180  90    White
#8      17   2    Other
#9     100  10    Black
#10    110  11         
#11    109   9    Other

如果比赛包含文本 'WHITE'，我们将比赛更改为 'White'，'Black' 和 'Asian' 也是如此。对于其他类别，我们可以单独列出种族值以将它们组合起来。

您也可以使用 fct_collapse from forcats 单独列出它们。

df %>%
  mutate(Race = forcats::fct_collapse(Race, White = c('WHITE', 'WHITE - RUSSIAN', 'WHITE - OTHER EUROPEAN'), 
                             Black = c('BLACK/AFRICAN AMERICAN', 'BLACK/AFRICAN', 'BLACK/CAPE VERDEAN'), 
                             Hispanic = c('HISPANIC/LATINO - CUBAN', 'SOUTH AMERICAN', 'HISPANIC/LATINO - PUERTO RICAN'), 
                             Asian = c('ASIAN', 'ASIAN - CHINESE'), 
                             Other = c('OTHER', 'UNKNOWN/NOT SPECIFIED', 'AMERICAN INDIAN/ALASKA NATIVE')))

如何将 15 个唯一变量提炼成 R 中的 4 个选定变量？

How to distill 15 unique variables into 4 chosen variables in R?

r

sorting

if-statement

categories