Question

我在第1列（标题为“日期”的列）和第2列到第4列（标题为“A” - ＆gt;“C”的列）中有一个日期表。

Date   A  B  C
1/1/16 X X Y 
1/2/16 X Y Y
1/3/16 X Y Z

etc.

我需要创建包含以下内容的其他第5列D：

每行：

如果A，B或C = X列中的3个值中有2个，那么D = X中的值

如果A，B或C中的任何一列中的3个值中有2个= Y，则列D = Y中的值

列D = Z

中的任何其他值

期望的输出：

Date   A  B  C  D
1/1/16 X X Y X
1/2/16 X Y Y Y
1/3/16 X Y Z Z

我已经尝试过前面推荐的用于比较值的逻辑，但是它给了我一堆错误，显然“=”符号是禁止的：

df$D <- NA  
df$D[df$A = df$B = X or df$B = df$C = X or df$A = df$C = Y] <- "X"
df$D[df$A = df$B = Y or df$B = df$C = Y or df$A = df$C = Y] <- "Y"
df$D[is.na(df$E)]               <- "Z"

错误：“df $ D [df $ A =”
中的意外'='

这样做的最佳方式是什么？

Answer 1

这是一种使用rowMeans的方法。

# assign all of D to "Z"
df$D <- "Z"
# replace values
df$D[rowMeans(df[, 2:(length(df)-1)] == "X") > 0.5] <- "X"
df$D[rowMeans(df[, 2:(length(df)-1)] == "Y") > 0.5] <- "Y"

一个很好的功能是，如果添加更多变量，它会增长。

rowMeans(df[, 2:(length(df)-1)] == "X")将为每一行计算具有＆＃34; X＆＃34;的元素的比例。您的阈值（3个中的2个）是0.666666 ...我使用0.5代替，因为它对于给定的列数就足够了。如果添加了其他列，则可能会将其增加到2 / 3rds。

Answer 2

正如Imo指出=用于作业==用于比较。或者是|。 Here's指向逻辑运算符的链接。

可能有一个更好的解决方案，但这里是您想要做的正确语法：

df$D <- NA
df$D[(df$A == "X" & df$B == "X") | (df$A == "X" & df$C == "X") | 
         (df$B == "X" & df$C == "X")] <- "X"
df$D[(df$A == "Y" & df$B == "Y") | (df$A == "Y" & df$C == "Y") | 
         (df$B == "Y" & df$C == "Y")] <- "Y"
df$D[is.na(df$D)] <- "Z"

Answer 3

尝试使用ifelse：

 df$D<-ifelse(rowSums(df[,2:4]=='X')>=2,'X',ifelse(rowSums(df[,2:4]=='Y')>=2,'Y','Z'))

比较多列中的值并根据比较结果填充其他列

3 个答案: