Question

我在不同地区的350-600个农户中有几个由250个变量组成的数据集。数据非常混乱，并为分析提出了许多问题。我是R的新手，所以对下面的任何帮助都将不胜感激。

最初，有几列包含多个变量，例如“输入”列包含最多4个单独输入（肥料，除草剂，杀虫剂和杂交种子）。我使用spread()中的tidyr函数创建了4个新变量（Input_1 ... Input_4）。生成的新“输入”变量类似于以下模拟数据框，其中每行代表一个农场家庭：

Input_1 <- c("Fertilisers", "Fertilisers", "Fertilisers", "Fertilisers", NA)
Input_2 <- c("Hybrid_Seeds", "Hybrid_Seeds", "Pesticides", "Herbicides", NA) 
Input_3 <- c(NA, NA, NA, "Pesticides", NA)
Input_4 <- c(NA, NA, NA, "Hybrid_Seeds", NA)

x <- data.frame(Input_1, Input_2, Input_3, Input_4)

x

      Input_1      Input_2    Input_3      Input_4
1 Fertilisers Hybrid_Seeds       <NA>         <NA>
2 Fertilisers Hybrid_Seeds       <NA>         <NA>
3 Fertilisers   Pesticides       <NA>         <NA>
4 Fertilisers   Herbicides Pesticides Hybrid_Seeds
5        <NA>         <NA>       <NA>         <NA>

我希望做的是遍历每个新生成的“输入”列，搜索匹配的输入（例如“肥料”或“农药”）并将结果以“是/否”格式提供给新的数据集（肥料，杀虫剂，除草剂和杂交种子）中4种输入中的每一种的变量。换句话说，上面x上的循环结果将为新创建的“是/否”变量生成以下列：

Fertilisers <- c("Yes", "Yes", "Yes", "Yes", "No") Herbicides <- c("No", "No", "No", "Yes", "No") Pesticides <- c("No", "No", "Yes", "Yes", "No") Hybrid_Seeds <- c("Yes", "Yes", "No", "Yes", "No") x2 <- data.frame(Fertilisers, Herbicides, Pesticides, Hybrid_Seeds) x2 Fertilisers Herbicides Pesticides Hybrid_Seeds 1 Yes No No Yes 2 Yes No No Yes 3 Yes No Yes No 4 Yes Yes Yes Yes 5 No No No No

当数据框x和x2合并为一个时，可能更容易想象我想要的内容：

x3 <- data.frame(x, x2) x3 Input_1 Input_2 Input_3 Input_4 Fertilisers Herbicides 1 Fertilisers Hybrid_Seeds <NA> <NA> Yes No 2 Fertilisers Hybrid_Seeds <NA> <NA> Yes No 3 Fertilisers Pesticides <NA> <NA> Yes No 4 Fertilisers Herbicides Pesticides Hybrid_Seeds Yes Yes 5 <NA> <NA> <NA> <NA> No No Pesticides Hybrid_Seeds 1 No Yes 2 No Yes 3 Yes No 4 Yes Yes 5 No No

4个输入遵循一定的顺序，即如果家庭使用肥料，肥料将永远是第一个（Input_1），如果他们同时使用肥料和除草剂（如果他们使用肥料和农药但不使用除草剂，那么除草剂将是输入_2）农药将是Input_2等。如果家庭使用全部4个输入，它们将按以下顺序出现（见上文第4行）：肥料，除草剂，杀虫剂，杂交种子。

我试图创建for循环来遍历所有4个输入变量，查找匹配的字符串，并在相关的新输入变量中输入“是”（例如，如果匹配则为新的“Fertilizers”变量对于“肥料”，可以在现有的4个“输入”变量中找到，但我没有取得多大成功。

似乎没有apply家庭解决这个问题，但我很乐意纠正。再一次，我是R的新手和一般的编程，所以任何帮助都将非常感激。我确实对for循环有非常有限的经验，但这个问题对我来说已经证明过于复杂，而且解决这个问题非常关键，因为它是我研究前进的一个主要障碍。

非常感谢提前。

Answer 1

我们可以使用table

tbl <- table(row(x), as.character(unlist(x)))

最好将其保留为二进制输出，而不是更改为“是/否”，但如果我们需要转换那么

tbl[] <- c("No", "Yes")[tbl+1]

，这可以转换为data.frame

as.data.frame.matrix(tbl)
#    Fertilisers Herbicides Hybrid_Seeds Pesticides
#1         Yes         No          Yes         No
#2         Yes         No          Yes         No
#3         Yes         No           No        Yes
#4         Yes        Yes          Yes        Yes
#5          No         No           No         No

如何循环数据框中的列子集以创建新变量

1 个答案: