Question

我有两个长度不等的向量。我试图首先填充变量，无论字符串是否在两个给定的向量中匹配，还尝试从一个向量中取值来填充结果向量的值。

数据如下：

a<-data.frame(cbind(c("Ab", "Ng", "Dc"), c(1, 0, 1)))
b<-data.frame(cbind(c("Ab", "Ng", "Rt", "Dc", "Ty"), c(rep(NA, 5))))

第一个向量是较大向量（b）的子集，并且这些向量应在向量之间匹配。我想在较大的向量（b）中设置一个指标变量。想象一下以下场景：所有字符串代表一个班级的学生。与向量a相关联的指示符指示种族，但向量a中的所有名称都是女性。第二个向量（b）代表班上的所有学生。最终结果：“Ab”和“Ng”的值为1，其他所有学生的则为0。

我的循环脚本目前是：

for(i in 1:nrow(b)){
  for(j in 1:nrow(a)){
    if(as.character(b[,1][i]) %in% a[,1] & a[,2][j]==1){b[,2][i]==1}
    else{b[,2][i]<-0}
  }
}

产生以下结果：

structure(list(X1 = structure(c(1L, 3L, 4L, 2L, 5L), .Label = c("Ab", 
"Dc", "Ng", "Rt", "Ty"), class = "factor"), X2 = c(0, 0, 0, 0, 
0)), .Names = c("X1", "X2"), row.names = c(NA, -5L), class = "data.frame")

期望的结果应该是：

structure(list(X1 = structure(c(1L, 3L, 4L, 2L, 5L), .Label = c("Ab", "Dc", "Ng", "Rt", "Ty"), class = "factor"), X2 = c(1, 0, 0, 1, 0)), .Names = c("X1", "X2"), row.names = c(NA, -5L), class = "data.frame")

我的问题是： 为什么结果与原始输入不匹配？我怎样才能让这个循环正确执行我想要的过程，这样我才能得到理想的结果？

Answer 1

你在寻找下面的吗？基于我对叙述的最好理解的尝试。

a<-data.frame(cbind(c("Ab", "Ng", "Dc"), c(1, 0, 1)))
b1<-data.frame(X1 = c("Ab", "Ng", "Rt", "Dc", "Ty"))
library(data.table)
setDT(a); setDT(b1)
setkey(a, X1)
out = a[b1]
out[is.na(out)] = 0
out
   X1 X2
1: Ab  1
2: Ng  0
3: Rt  0
4: Dc  1
5: Ty  0

Answer 2

我想你需要a中b的简单左连接。使用dplyr包的替代方法：

library(dplyr)

df <- b %>% 
  left_join(a, by="X1") %>% 
  mutate(X2 = ifelse(is.na(X2.y), 0, X2.y %>% as.character %>% as.numeric)) %>% 
  select(X1, X2)

结果：

> df
  X1 X2
1 Ab  1
2 Ng  0
3 Rt  0
4 Dc  1
5 Ty  0

我使用了您的示例data.frames，但我不知道您的实际data.frames是如何设置的。但请注意列类型。我必须使用as.character后跟as.numeric才能正确行事。似乎“因素”不是你所需要的。

问候！

Answer 3

最好使用像%in%这样的矢量化函数，假设我理解了所需的结果：

> b$X2 <- as.numeric( b$X1 %in% a$X1 )
> b
  X1 X2
1 Ab  1
2 Ng  1
3 Rt  0
4 Dc  1
5 Ty  0

一般来说，使用data.frame(cbind...))形式是一个非常糟糕的主意，因为您始终会将所有列的模式强制转换为单一模式。

Answer 4

以下可能会有所帮助：

> cc = rbind(a[a$X2==1,], b)
> cc[!duplicated(cc$X1),]
  X1   X2
1 Ab    1
3 Dc    1
4 Ng <NA>
5 Rt <NA>
7 Ty <NA>

使用条件语句以两个不同长度的向量为条件创建新变量

4 个答案: