基于数据集中已有的分类变量创建新变量答案

【问题标题】：Creating a New Variable Based on a Categorical Variable Already in the Dataset基于数据集中已有的分类变量创建新变量
【发布时间】：2017-01-17 07:07:04
【问题描述】：

假设我有一个包含分类变量 X 的数据集，该变量取值 A、B 或 C。

我想创建一个新变量Y，即

1，如果X = A;
2，如果X = B;
3，如果X = C。

这是我目前所拥有的，我知道这是不正确的。

if(X==A) {
  (Y = 1)
  }
else if(X==B) {
  (Y = 2)
  }
else {
  (Y = 3)
  }

我不断收到错误：

找不到对象“Y”

如何创建变量Y，以便它可以根据X 的值采用这些新值？

【问题讨论】：

标签： r

【解决方案1】：

选项 1：取因子的数值。

X
# [1] "B" "C" "A" "C" "A" "C" "B" "B" "A" "A"
c(factor(X))
# [1] 2 3 1 3 1 3 2 2 1 1

c() 删除属性，用于一般的幻想。 as.numeric() 可能更具可读性。

选项 2：查找向量。

c(A = 1, B = 2, C = 3)[X]
# B C A C A C B B A A 
# 2 3 1 3 1 3 2 2 1 1

数据：

set.seed(25)
X <- sample(LETTERS[1:3], 10, TRUE)

【讨论】：

【解决方案2】：

对这个问题的投票让我非常困惑……所以这个问题需要答案吗？

使用基于循环的方法，正如 OP 所期望的那样：

Y <- numeric(length(X))  ## initialize a numeric vector `Y`, of the same length of `X`
## loop through all elements of `X`, use `if-else` to allocate value for `Y`
for (i in seq_along(X)) {
  if (X[i] == "A") Y[i] <- 1
  else if (X[i] == "B") Y[i] <- 2
  else if (X[i] == "C") Y[i] <- 3
  }

完全向量化的方法，是

Y <- match(X, LETTERS[1:3])

这里，LETTERS 是大写字母的内部 R 常量。 R 中的常量很少，您可以通过阅读文档?Constants 来获取它们。

【讨论】：

【解决方案3】：

在这种情况下，您可能需要考虑tidyverse 中的dplyr::recode。它本质上是一个矢量化的switch，这似乎是你想要的。或者，您可以使用第二个数据表并使用dplyr::left_join 或base::merge。

library(tidyverse)

data = tribble(
    ~x, ~y,
    1, "A", 
    2, "A",
    4, "B",
    5, "C",
    7, "Z"
)

data %>% 
    mutate(
        new_var = recode(y, "A" = "first",
                            "B" = "second",
                            "C" = "third",
                            "Z" = "last")
    )
#> # A tibble: 5 X 3
#>       x     y new_var
#>   <dbl> <chr>   <chr>
#> 1     1     A   first
#> 2     2     A   first
#> 3     4     B  second
#> 4     5     C   third
#> 5     7     Z    last

【讨论】：