Question

我是一名应用研究员，主要负责全国范围内的注册数据，他们正在从Stata过渡到R. dplyr软件包使我的大部分日常数据管理任务顺利进行。尽管如此，我目前正在努力让R根据嵌套循环生成新变量。

假设我们在1990年至1992年间出生的六名参与者中有以下数据集，其中包括2001 - 2004年间平均成绩点的测量值。

* Stata
clear all
input id byear gpa2000 gpa2001 gpa2002 gpa2003 gpa2004
1 1990 1.2 1.3 1.4 1.5 1.3
2 1990 2.3 2.5 2.2 2.1 2.6
3 1991 3.1 3.9 3.4 3.5 4.0
4 1991 2.6 3.1 2.4 1.9 3.1
5 1992 1.4 1.8 3.2 2.3 3.2
6 1992 3.5 4.0 4.0 4.0 3.9
end
list

     +--------------------------------------------------------------+
     | id   byear   gpa2000   gpa2001   gpa2002   gpa2003   gpa2004 |
     |--------------------------------------------------------------|
  1. |  1    1990       1.2       1.3       1.4       1.5       1.3 |
  2. |  2    1990       2.3       2.5       2.2       2.1       2.6 |
  3. |  3    1991       3.1       3.9       3.4       3.5         4 |
  4. |  4    1991       2.6       3.1       2.4       1.9       3.1 |
  5. |  5    1992       1.4       1.8       3.2       2.3       3.2 |
  6. |  6    1992       3.5         4         4         4       3.9 |
     +--------------------------------------------------------------+

或等效于R：

df <- read.table(header=T, text="id byear gpa2000 gpa2001 gpa2002 gpa2003 gpa2004
1 1990 1.2 1.3 1.4 1.5 1.3
2 1990 2.3 2.5 2.2 2.1 2.6
3 1991 3.1 3.9 3.4 3.5 4.0
4 1991 2.6 3.1 2.4 1.9 3.1
5 1992 1.4 1.8 3.2 2.3 3.2
6 1992 3.5 4.0 4.0 4.0 3.9
")

我现在想要生成三个新变量来衡量每个参与者在10到12岁之间的GPA（gpa_age10 ... gpa_age12）。

在Stata中，我通常会通过嵌套for循环的方式来做到这一点：

forval i = 10/12 {
    gen gpa_age`i' = .
    forval j = 1990/1992 {
        replace gpa_age`i' = gpa`=`j'+`i'' if byear == `j'
    }
}

这将产生以下数据集：

     +-----------------------------------------------------------------------------------------------+
     | id   byear   gpa2000   gpa2001   gpa2002   gpa2003   gpa2004   gpa_a~10   gpa_a~11   gpa_a~12 |
     |-----------------------------------------------------------------------------------------------|
  1. |  1    1990       1.2       1.3       1.4       1.5       1.3        1.2        1.3        1.4 |
  2. |  2    1990       2.3       2.5       2.2       2.1       2.6        2.3        2.5        2.2 |
  3. |  3    1991       3.1       3.9       3.4       3.5         4        3.9        3.4        3.5 |
  4. |  4    1991       2.6       3.1       2.4       1.9       3.1        3.1        2.4        1.9 |
  5. |  5    1992       1.4       1.8       3.2       2.3       3.2        3.2        2.3        3.2 |
  6. |  6    1992       3.5         4         4         4       3.9          4          4        3.9 |
     +-----------------------------------------------------------------------------------------------+

我知道可能没有将此Stata代码直接转换为R，但在R中复制这些结果的最佳方法是什么？

Answer 1

您可以将data.frame重新整形为一个表单，其中每行代表使用reshape2包的学生的一年。然后计算年龄变得微不足道。以下是完成此任务的完整代码，假设您上面的data.frame位于名为dat的变量中：

mdat <- melt(dat, id.vars=c('id', 'byear'), value.name='gpa')
mdat %>%
    mutate(year=as.numeric(gsub('gpa', '', variable))) %>%
    select(id, byear, year, gpa) %>%
    mutate(age=year-byear)

此外，您可以通过投射熔化的data.frame来获取您请求的data.frame：

dcast(mdat, id + byear ~ age, value.var='gpa')
> id byear  8    9    10   11   12   13   14
> 1  1990   NA   NA   1.2  1.3  1.4  1.5  1.3
> 2  1990   NA   NA   2.3  2.5  2.2  2.1  2.6
> 3  1991   NA   3.1  3.9  3.4  3.5  4.0   NA
> 4  1991   NA   2.6  3.1  2.4  1.9  3.1   NA
> 5  1992   1.4  1.8  3.2  2.3  3.2   NA   NA
> 6  1992   3.5  4.0  4.0  4.0  3.9   NA   NA

Answer 2

我知道@ cr1msonB1ade已经很好地解决了这个问题，但是在R中显示了一个嵌套的for循环版本以匹配发布的Stata代码：

for (i in 10:12) {
  for (j in 1990:1992) {
    gpadf[[paste0("gpa_age", i)]][gpadf$byear==j] <- 
              gpadf[[paste0("gpa", j+i)]][gpadf$byear==j]   
  }
}

R：基于嵌套循环

2 个答案: