Question

set.seed(8)
df <- data.frame(n = rnorm(5,1), m = rnorm(5,0), l = factor(LETTERS[1:5]))

我是否可以在df中以n，m和l的值或值组合为基础创建新列。例如，根据level和low的值（伪代码）制作向量medium并为其分配high，n和m ）：

df$level <- ifelse(df$n < 1 & df$m < 1, "low", ifelse(df$n > 1 & df$m > 1, "high", "medium")

这应该给出：

df$level

#low medium low low medium

或者，如果我想根据level列和l中的值（再次为伪代码）为n分配值：

df$level <- ifelse(df$n < 1 & df$l == c("A", "B"), "low A/B", "high").

在这种情况下，应该得到：

df$level

#"low A/B" "high" "high" "high" "high"

Answer 1

这是一个解决方案：

df$level1 <- c("low", "medium", "high")[rowMeans(sign(df[c("n", "m")] - 1)) + 2]

df$level2 <- c("high", "low A/B")[(df$n < 1 & df$l %in% c("A", "B")) + 1]

#           n          m l level1  level2
# 1 0.9154139 -0.1078814 A    low low A/B
# 2 1.8404001 -0.1702891 B medium    high
# 3 0.5365172 -1.0883317 C    low    high
# 4 0.4491650 -3.0110517 D    low    high
# 5 1.7360404 -0.5931743 E medium    high

Answer 2

你也可以这样做：

 c("high", "medium", "low")[rowSums(df[,-3] <1)+1]
#[1] "low"    "medium" "low"    "low"    "medium"

c("high", "low A/B")[(df$n <1 &grepl("A|B", df$l)) +1]
#[1] "low A/B" "high"    "high"    "high"    "high"

解释

df[,-3]获取数字列的子集，即n和m

df[,-3] <1

TRUE会给出FALSE，<1的逻辑索引。
通过对上面的rowSums进行操作，它根据每行中的对应值是否> 1，一个值<1，并给出三个可能的值 - 0,1,2，以及两者都<1。
```
rowSums(df[,-3] <1) #in this example, there are no values equal to 0
#[1] 2 1 2 2 1
```
+1会给我们
```
rowSums(df[,-3] <1) +1
#[1] 3 2 3 3 2
```

使用上面的数字索引，我们可以这样做：

  c("high", "medium", "low")[rowSums(df[,-3] <1)+1]
  #[1] "low"    "medium" "low"    "low"    "medium"

low将占用3上数字值medium，2的地方，如果有1，则high应占据该地点。

Answer 3

我可能错过了这个问题，但是当我添加缺少右括号时，它似乎工作得很好：

> df$level <- ifelse(df$n < 1 & df$m < 1, "low", ifelse(df$n > 1 & df$m > 1, "high", "medium"))
> df
          n          m l  level
1 0.9154139 -0.1078814 A    low
2 1.8404001 -0.1702891 B medium
3 0.5365172 -1.0883317 C    low
4 0.4491650 -3.0110517 D    low
5 1.7360404 -0.5931743 E medium
> df$level
[1] "low"    "medium" "low"    "low"    "medium"

Answer 4

更多的扩展评论而不是答案，也许并不完全是您正在寻找的内容。

通常，当我需要捕获连续变量组并将它们转换为单个分类变量时，我会使用聚类并根据显示的值标记聚类。这是使用kmeans的一个例子：

set.seed(8)
df <- data.frame(n = rnorm(5000,1), m = rnorm(5000,0), l = factor(LETTERS[1:5]))
df$Category <- kmeans(df[1:2],7)$cluster

kmeans(df[1:2],7)
K-means clustering with 7 clusters of sizes 593, 606, 649, 626, 641, 1219, 666

Cluster means:
           n           m
1 -0.2097451  0.84837728 # Low-High
2  1.0977826  1.44383531 # Mid-Upper
3  2.1682482 -0.70983193 # High-Low
4 -0.3389432 -0.54514302 # Low-Low
5  2.3332772  0.67415808 # High-Mid
6  0.9816709 -0.01549909 # Upper-Mid
7  0.8859904 -1.46126667 # Mid-Low

df$Category <- factor(df$Category, c("Low-High","Mid-Upper","High-Low","Low-Low",...))

您必须查看自己计算机上群集的平均结果（使用种子）才能正确标记它们。这也将为您提供基于您的数据的分组，而不是您认为对数据正确的任意阈值。

R - 将data.frame中的值/因子分配给以其他列的值为条件的列

4 个答案:

解释