我想通过在数据框中分割矢量来创建新列。
我有这样一个数据框：
YEAR Variable1 Variable2
2009 000000 00000001
2010 000000 00000001
2011 000000 00000001
2009 000000 00000002
2010 000000 00000002
2009 000000 00000003
...
2009 100000 10000001
2010 100000 10000001
...
2009 100000 10000011
....
如您所见，Variable2与变量1相关（变量2 =变量1 +最后两位数：例如01,02,03 ......表示子类别）。我想将Variable2拆分为子类别中的许多变量。结果应该是：
YEAR Variable1 Variable2 Variable3 Variable4 ...
2009 000000 00000001 0 0
2010 000000 00000001 0 0
2011 000000 00000001 0 0
2009 000000 0 00000002 0
2010 000000 0 00000002 0
2009 000000 0 0 00000003
...
2009 100000 10000001 0 0
2010 100000 10000001 0 0
...
2009 100000 0 0 0 ... 10000011
你会怎么做？我以为我应该尝试在循环中重新编码Variable2 ..我尝试通过操纵字符串，但我没有解决问题..
答案 0 :(得分：4)
这会奏效。首先让我们构建数据。
values <- paste0("0000000", 1:4)
library(data.table)
dt <- data.table(val = sample(values, 10, replace = TRUE))
for循环足以定义新列。
for(level_var in dt[, unique(val)]){
dt[, eval(level_var) := ifelse(val == level_var, level_var, 0)]
}
答案 1 :(得分：1)
使用reshape2。一线解决方案。如果我们想删除NA值，可以使用另一行。
library(reshape2)
df <- data.frame(YEAR=c(2009,2010,2011,2009,2010,2009,2009,2010,2009),
Var1=c('000000','000000','000000','000000','000000','000000','100000','100000','100000'),
Var2=c('0000001','0000001','0000001','0000002','0000002','0000003','1000001','1000001','1000011'))
df <- dcast(df, YEAR + Var1 + Var2 ~ Var2, value.var = "Var2")[, -3]
df[is.na(df)] <- 0
结果：
YEAR Var1 0000001 0000002 0000003 1000001 1000011
1 2009 000000 0000001 0 0 0 0
2 2009 000000 0 0000002 0 0 0
3 2009 000000 0 0 0000003 0 0
4 2009 100000 0 0 0 1000001 0
5 2009 100000 0 0 0 0 1000011
6 2010 000000 0000001 0 0 0 0
7 2010 000000 0 0000002 0 0 0
8 2010 100000 0 0 0 1000001 0
9 2011 000000 0000001 0 0 0 0
答案 2 :(得分：1)
这是另一个建议。代码有点长，但我相信它可以解决问题，我希望它可以很容易理解。我假设原始数据存储在名为＆＃39; data.dat＆＃39;的标签分隔文件中。 代码的输出存储在矩阵＆quot; new_matrix＆＃39;中。条目是字符，但如果需要，将它们转换为整数不应该是一个问题。
data <- read.table('data.dat', sep='\t', header = TRUE, colClasses = "character")
var2 <- data[3]
nc <- nchar(var2[1,1])
last2 <-substr(var2[,1],nc-1,nc)
subcat <-levels(factor(last2))
mrows <- nrow(data)
mcols <- length(subcat)
varnames <-paste0("Variable",as.character(c(1:(mcols+1))))
new_matrix <- matrix(paste(replicate(nc,"0"),collapse=""),nrow=mrows,ncol=mcols+2)
colnames(new_matrix) <- c("YEAR",varnames)
new_matrix[,1]<-data[,1]
new_matrix[,2]<-data[,2]
for (i in 1:mcols) {
relevant_rows <- which(last2 == subcat[i])
new_matrix[relevant_rows,i+2]<-data[relevant_rows,3]
}
希望这有帮助。
答案 3 :(得分：0)
这是另一种方法。请注意，我选择将subcat虚拟变量转换为二进制指示符变量以减少冗余：
<强>输入：
data <- read.table(header=TRUE, text='
year var1 var2
2009 000000 00000001
2010 000000 00000001
2009 000000 00000002
2010 000000 00000002
2009 000000 00000003
2009 100000 10000001
2009 100000 10000004
2010 100000 10000010
', colClasses = c('character', 'character', 'character'))
简化var2列：
subCat <- function(s) {
substr(s, nchar(s) - 1, nchar(s))
}
data$var2 <- subCat(data$var2)
制作假人：
方法1：
t <- table(1:length(data$var2), data$var2)
data <- cbind(data, as.data.frame.matrix(t))
data$var2 <- NULL
<强>输出：
year var1 01 02 03 04 10
1 2009 000000 1 0 0 0 0
2 2010 000000 1 0 0 0 0
3 2009 000000 0 1 0 0 0
4 2010 000000 0 1 0 0 0
5 2009 000000 0 0 1 0 0
6 2009 100000 1 0 0 0 0
7 2009 100000 0 0 0 1 0
8 2010 100000 0 0 0 0 1
=============================================== ============
方法2：
library(dummies)
data$var2 <- subCat(data$var2)
data3 <- cbind(data, dummy(data$var2))
data3$var2 = NULL
<强>输出：
year var1 data01 data02 data03 data04 data10
1 2009 000000 1 0 0 0 0
2 2010 000000 1 0 0 0 0
3 2009 000000 0 1 0 0 0
4 2010 000000 0 1 0 0 0
5 2009 000000 0 0 1 0 0
6 2009 100000 1 0 0 0 0
7 2009 100000 0 0 0 1 0
8 2010 100000 0 0 0 0 1
=============================================== ============
方法3：
dummies <- sapply(unique(data$var2), function(x) as.numeric(data$var2 == x))
data <- cbind(data, dummies)
data$var2 = NULL
<强>输出：
year var1 X01 X02 X03 X04 X10
1 2009 000000 1 0 0 0 0
2 2010 000000 1 0 0 0 0
3 2009 000000 0 1 0 0 0
4 2010 000000 0 1 0 0 0
5 2009 000000 0 0 1 0 0
6 2009 100000 1 0 0 0 0
7 2009 100000 0 0 0 1 0
8 2010 100000 0 0 0 0 1
答案 4 :(得分：0)
library(dplyr)
library(reshape2)
df <- data.frame(YEAR=c(2009,2010,2011,2009,2010,2009,2009,2010,2009),
Var1=c('000000','000000','000000','000000','000000','000000','100000','100000','100000'),
Var2=c('0000001','0000001','0000001','0000002','0000002','0000003','1000001','1000001','1000011'))
df <- mutate(df, tag=paste(YEAR, Var1, Var2, sep='-'))
df <- dcast(df, YEAR + Var1 + tag ~ Var2, fun.aggregate = NULL)
df$tag <- NULL
df <- apply(df, 2, function(x) sub('^(.*)-(.*)-', '', x))
df[is.na(df)] <- 0
df <- as.data.frame(df)
<强>输出：
YEAR Var1 0000001 0000002 0000003 1000001 1000011
1 2009 000000 0000001 0 0 0 0
2 2009 000000 0 0000002 0 0 0
3 2009 000000 0 0 0000003 0 0
4 2009 100000 0 0 0 1000001 0
5 2009 100000 0 0 0 0 1000011
6 2010 000000 0000001 0 0 0 0
7 2010 000000 0 0000002 0 0 0
8 2010 100000 0 0 0 1000001 0
9 2011 000000 0000001 0 0 0 0
答案 5 :(得分：0)
感谢您提供所有这些答案。我通过将Michele Usuelli的答案和评论结合到Synergist的答案中找到了解决方案。我还学到了更多关于data.table的信息。
NbTabelle <- data.table(val=Netz)
attach(NbTabelle)
for(level_var in namesvec){
NbTabelle[, eval(level_var) := ifelse(substr(eval(val), 7, 8) == level_var, val, 0)]
}
其中namesvec是我从先前生成的表创建的变量名称向量，将变量val分开。 我很欣赏增效剂代码的一般性，但出于我的目的，我只需要最后两位数字。