将列添加到data.frame

时间:2012-04-14 02:39:18

标签: r dataframe

我有下面的data.frame。我想添加一个列,根据第1列(h_no)对我的数据进行分类,第一个系列h_no 1,2,3,4是第1类,第二个系列是h_no (1至7)是第2栏等,如最后一栏所示。

h_no  h_freq  h_freqsq
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3

9 个答案:

答案 0 :(得分:145)

您可以使用各种技术为数据添加列。以下引用来自相关帮助文本[[.data.frame的“详细信息”部分。

  

数据帧可以在多种模式下编制索引。当[[[与单个向量索引(x[i]x[[i]])一起使用时,它们会将数据框编入索引,就好像它是一个列表一样。

my.dataframe["new.col"] <- a.vector
my.dataframe[["new.col"]] <- a.vector
  

$的data.frame方法,将x视为列表

my.dataframe$new.col <- a.vector
  

[[[与两个索引(x[i, j]x[[i, j]]一起使用)时,它们就像索引矩阵一样

my.dataframe[ , "new.col"] <- a.vector

由于data.frame的方法假定如果您没有指定是否使用列或行,则会假定您的意思是列。


对于您的示例,这应该有效:

# make some fake data
your.df <- data.frame(no = c(1:4, 1:7, 1:5), h_freq = runif(16), h_freqsq = runif(16))

# find where one appears and 
from <- which(your.df$no == 1)
to <- c((from-1)[-1], nrow(your.df)) # up to which point the sequence runs

# generate a sequence (len) and based on its length, repeat a consecutive number len times
get.seq <- mapply(from, to, 1:length(from), FUN = function(x, y, z) {
            len <- length(seq(from = x[1], to = y[1]))
            return(rep(z, times = len))
         })

# when we unlist, we get a vector
your.df$group <- unlist(get.seq)
# and append it to your original data.frame. since this is
# designating a group, it makes sense to make it a factor
your.df$group <- as.factor(your.df$group)


   no     h_freq   h_freqsq group
1   1 0.40998238 0.06463876     1
2   2 0.98086928 0.33093795     1
3   3 0.28908651 0.74077119     1
4   4 0.10476768 0.56784786     1
5   1 0.75478995 0.60479945     2
6   2 0.26974011 0.95231761     2
7   3 0.53676266 0.74370154     2
8   4 0.99784066 0.37499294     2
9   5 0.89771767 0.83467805     2
10  6 0.05363139 0.32066178     2
11  7 0.71741529 0.84572717     2
12  1 0.10654430 0.32917711     3
13  2 0.41971959 0.87155514     3
14  3 0.32432646 0.65789294     3
15  4 0.77896780 0.27599187     3
16  5 0.06100008 0.55399326     3

答案 1 :(得分:10)

轻松:您的数据框是A

b <- A[,1]
b <- b==1
b <- cumsum(b)

然后你得到专栏b。

答案 2 :(得分:7)

如果我正确理解了这个问题,您想要检测h_no何时不增加,然后增加class。 (我将逐步介绍如何解决这个问题,最后有一个独立的功能。)

工作

我们目前只关心h_no列,因此我们可以从数据框中提取该列:

> h_no <- data$h_no

我们希望检测h_no何时不上升,我们可以通过计算连续元素之间的差异为负或零来做。 R提供diff函数,它给出了差异的向量:

> d.h_no <- diff(h_no)
> d.h_no
 [1]  1  1  1 -3  1  1  1  1  1  1 -6  1  1  1

一旦我们有了这个,找到非正面的是一件简单的事情:

> nonpos <- d.h_no <= 0
> nonpos
 [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[13] FALSE FALSE

在R中,TRUEFALSE10基本相同,因此如果我们得到nonpos的累积总和,它将会在(差不多)适当的位置增加1。 cumsum函数(基本上与diff相反)可以做到这一点。

> cumsum(nonpos)
 [1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2

但是,有两个问题:数字太小;而且,我们缺少第一个元素(第一个类中应该有四个)。

第一个问题就解决了:1+cumsum(nonpos)。第二个只需要在向量的前面添加1,因为第一个元素总是在类1中:

 > classes <- c(1, 1 + cumsum(nonpos))
 > classes
  [1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3

现在,我们可以使用cbind将其附加到我们的数据框中(使用class=语法,我们可以为列提供class标题):

 > data_w_classes <- cbind(data, class=classes)

data_w_classes现在包含结果。

最终结果

我们可以将这些线压缩在一起并将其全部包装到一个函数中,以便于使用:

classify <- function(data) {
   cbind(data, class=c(1, 1 + cumsum(diff(data$h_no) <= 0)))
}

或者,因为class是一个因素是有道理的:

classify <- function(data) {
   cbind(data, class=factor(c(1, 1 + cumsum(diff(data$h_no) <= 0))))
}

您可以使用以下任一功能:

> classified <- classify(data) # doesn't overwrite data
> data <- classify(data) # data now has the "class" column

(这种解决这个问题的方法很好,因为它避免了显式迭代,这通常推荐给R,并且避免生成大量的中间向量和列表等。而且它有点简洁如何写在一行上: ))

答案 3 :(得分:2)

除了罗曼的回答,这样的事情可能更简单。请注意,我没有测试过,因为我现在无权访问R.

# Note that I use a global variable here
# normally not advisable, but I liked the
# use here to make the code shorter
index <<- 0
new_column = sapply(df$h_no, function(x) {
  if(x == 1) index = index + 1
  return(index)
})

该函数迭代n_ho中的值,并始终返回当前值所属的类别。如果检测到值1,我们会增加全局变量index并继续。

答案 4 :(得分:1)

Data.frame[,'h_new_column'] <- as.integer(Data.frame[,'h_no'], breaks=c(1, 4, 7))

答案 5 :(得分:0)

我相信使用“ cbind”是向R中的数据帧添加列的最简单方法。下面是一个示例:

    myDf = data.frame(index=seq(1,10,1), Val=seq(1,10,1))
    newCol= seq(2,20,2)
    myDf = cbind(myDf,newCol)

答案 6 :(得分:0)

基于标识组数(x中的mapply)及其长度(y中的mapply)的方法

mytb<-read.table(text="h_no  h_freq  h_freqsq group
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3", header=T, stringsAsFactors=F)
mytb$group<-NULL

positionsof1s<-grep(1,mytb$h_no)

mytb$newgroup<-unlist(mapply(function(x,y) 
  rep(x,y),                      # repeat x number y times
  x= 1:length(positionsof1s),    # x is 1 to number of nth group = g1:g3
  y= c( diff(positionsof1s),     # y is number of repeats of groups g1 to penultimate (g2) = 4, 7
        nrow(mytb)-              # this line and the following gives number of repeat for last group (g3)
          (positionsof1s[length(positionsof1s )]-1 )  # number of rows - position of penultimate group (g2) 
      ) ) )
mytb

答案 7 :(得分:0)

您可以先在数据框中添加一个空列,然后为新列指定条件,

agtoexcel2$NONloan <- NA
agtoexcel2$NONloan[agtoexcel2$haveloan==2 & agtoexcel2$ifoloan==2 & agtoexcel2$both==0 ] <- 1
agtoexcel2$NONloan[agtoexcel2$haveloan==1 | agtoexcel2$ifoloan==1 | agtoexcel2$both==1 ] <- 0 

答案 8 :(得分:0)

data.table 函数 rleid 对此类事情很方便。我们减去序列 1:nrow(data) 将连续序列转换为常量,然后使用 rleid 创建组 ID:

data$g = data.table::rleid(data$h_no - 1:nrow(data))