Question

我的数据看起来像这样

bankname    bankid  year    deposit dep_cert capital    surplus
Bank A         1    1881    244789  7250       20218    29513
Bank B         2    1881    195755  10243     185151    NA 
Bank C         3    1881    107736  13357     177612    NA
Bank D         4    1881    170600  NA         20000    NA
Bank E         5    1881    320000  351266    314012    NA

这是复制数据的代码。

bankname <- c("Bank A","Bank B","Bank C","Bank D","Bank E")
bankid <- c( 1, 2,  3,  4,  5)
year<- c( 1881, 1881,   1881,   1881,   1881)
deposit  <- c(244789,    195755, 107736, 170600, 32000000)
dep_cert<-c(7250,10243,13357,NA,351266)
capital<-c(20218,185151,177612,20000,314012)
surplus<-c(29513,NA,NA,NA,NA)
bankdata<-data.frame(bankname, bankid,year,deposit, dep_cert, capital, surplus)

我想创建一个名为liability的新列，作为deposit，dep_cert，capital和surplus的总和。这意味着数据看起来像这样。

bankname    bankid  year    deposit dep_cert capital    surplus liability
Bank A         1    1881    244789  7250       20218    29513   301770 
Bank B         2    1881    195755  10243     185151    NA      391149
Bank C         3    1881    107736  13357     177612    NA      298705
Bank D         4    1881    170600  NA         20000    NA      190600
Bank E         5    1881    320000  351266    314012    NA      32665278

但是，当我在R中使用sum命令时，由于缺少值，我得到了NAs。在Stata，我会做

egen liability = rowtotal(deposit, dep_cert,capital, surplus)

R中的等效代码是什么？

另外，我的第二个问题是，用Stata中的数字0替换所有缺失值（NAs），我会做

foreach x of varlist deposit dep_cert capital surplus {
    replace `x'=0 if missing(`x')
}

R中的等效代码是什么？

Answer 1

在这种情况下，等效值为rowSums：

rowSums(bankdata[c("deposit", "dep_cert", "capital", "surplus")], na.rm = TRUE)
# [1]   301770   391149   298705   190600 32665278

您遗失的主要内容是na.rm = TRUE参数。

要将其添加到data.frame，您可以执行以下操作：

bankdata$liability <- rowSums(bankdata[c("deposit", "dep_cert", 
                                         "capital", "surplus")], 
                              na.rm = TRUE)

要在同一列中将NA值替换为“0”，您可以执行以下操作：

## save some typing
cols <- c("deposit", "dep_cert", "capital", "surplus")

bankdata[cols][is.na(bankdata[cols])] <- 0
bankdata
#   bankname bankid year  deposit dep_cert capital surplus
# 1   Bank A      1 1881   244789     7250   20218   29513
# 2   Bank B      2 1881   195755    10243  185151       0
# 3   Bank C      3 1881   107736    13357  177612       0
# 4   Bank D      4 1881   170600        0   20000       0
# 5   Bank E      5 1881 32000000   351266  314012       0

Answer 2

使用data.table

library(data.table)
nm1 <- c("deposit", "dep_cert", "capital", "surplus")

setDT(bankdata)[,liabiliy:=Reduce(`+`,
           lapply(.SD, function(x) replace(x, is.na(x), 0))),.SDcols=nm1]


 bankdata
 #   bankname bankid year  deposit dep_cert capital surplus liabiliy
 #1:   Bank A      1 1881   244789     7250   20218   29513   301770
 #2:   Bank B      2 1881   195755    10243  185151      NA   391149
 #3:   Bank C      3 1881   107736    13357  177612      NA   298705
 #4:   Bank D      4 1881   170600       NA   20000      NA   190600
 #5:   Bank E      5 1881 32000000   351266  314012      NA 32665278

将NA替换为0并执行rowSums

 setDT(bankdata)[, (nm1):=lapply(.SD, function(x) 
       replace(x, is.na(x), 0)), .SDcols=nm1][,
             liability:=Reduce(`+`, .SD), .SDcols=nm1]

 bankdata
 #   bankname bankid year  deposit dep_cert capital surplus liability
 #1:   Bank A      1 1881   244789     7250   20218   29513    301770
 #2:   Bank B      2 1881   195755    10243  185151       0    391149
 #3:   Bank C      3 1881   107736    13357  177612       0    298705
 #4:   Bank D      4 1881   170600        0   20000       0    190600
 #5:   Bank E      5 1881 32000000   351266  314012       0  32665278

基准

 bankdata1 <- bankdata[rep(1:nrow(bankdata), 1e5),]
 row.names(bankdata1) <- 1:nrow(bankdata1)

 f1 <- function() {rowSums(bankdata1[c("deposit", "dep_cert", 
                                     "capital", "surplus")], 
                          na.rm = TRUE)

              }



 f2 <- function() {nm1 <- c("deposit", "dep_cert", "capital", "surplus")
                 DT <- data.table(bankdata1, key=c('bankname', 'bankid', 'year'))  
                 DT[, liabiliy:=Reduce(`+`,
                     lapply(.SD, function(x) replace(x, is.na(x), 0))),.SDcols=nm1]
              }

 library(microbenchmark)
 microbenchmark(f1(), f2(), unit="relative")
 #   Unit: relative
 #expr      min       lq   median       uq      max neval
 #f1() 1.558999 1.355819 1.457036 1.426796 1.525313   100
 #f2() 1.000000 1.000000 1.000000 1.000000 1.000000   100

Answer 3

不是一个完整的答案，但是太长了，无法发表评论：

您最初声明的Stata代码

foreach `x' of varlist deposit dep_cert capital surplus {
    replace `x'=0 if missing(`x')
}

（1）不起作用（2）任何方式都是一个坏主意。

这样可行

foreach x of varlist deposit dep_cert capital surplus {
    replace `x' = 0 if missing(`x')
}

这也可行，而且更简洁，

foreach x in deposit dep_cert capital surplus {
    replace `x' = 0 if missing(`x')
}

但是在原始数据中用零填写缺失可能会导致信息丢失，并且会严重影响数据的完整性。默认情况下，egen忽略计算行总计时的缺失，在此上下文中不需要任何方式。

Answer 4

对于这两项任务，您还可以使用dplyr包中的mutate。

library(dplyr)
vars <- c("deposit", "dep_cert", "capital", "surplus")

计算行总和/总计

正如A Handcart And Mohair在answer中所解释的那样，您可以rowSums与na.rm = TRUE一起使用：

bankdata = bankdata %>%
    mutate(liability = rowSums(.[vars], na.rm = TRUE))

将NA设置为0

我还建议您不要这样做（请参阅Nick Cox的评论），但如果需要，您可以将mutate_与replace一起使用（另请参阅{{3在SO）。

var_fun <- paste("replace(", vars, ", is.na(", vars, "), 0)", sep="")

bankdata = bankdata %>%
    mutate_(.dots = setNames(var_fun, eval(vars)))

setNames创建一个包含变量名称和生成变量的函数的向量。您需要在此处使用mutate_的下划线变体才能使用带引号的变量名称。该技术在this answer（非标准评估）中有更详细的解释。

Egen rowtotal（Stata）相当于R？

4 个答案:

基准

计算行总和/总计

将NA设置为0