如何在 R 中重写这个 Stata 代码？答案

【问题标题】：How to rewrite this Stata code in R?如何在 R 中重写这个 Stata 代码？
【发布时间】：2011-06-28 19:23:57
【问题描述】：

Stata 擅长的一件事是它构造新变量的方式（参见下面的示例）。如何在 R 中做到这一点？

foreach i in A B C D {  
    forval n=1990/2000 {  
       local m = 'n'-1  
       # create new columns from existing ones on-the-fly  
       generate pop'i''n' = pop'i''m' * (1 + trend'n')  
   }  
}

【问题讨论】：

对于那些不会说stata的人，也许添加最终输出应该是什么样子？以及与此相关的输入数据......
我想知道统计软件包的哪个白痴设计者认为 1990/2000 是一个范围而不是一个部门facepalm
@Spacedman：你不知道它的一半。我用了 3 年的 Stata。最糟糕的。编程。语言。永远。
@Joshua : 请允许我同意 :-) 但不得不说，它是一个相当强大的统计软件包。除了编写分析脚本之外，您不应该梦想其他任何事情。
@Joris：虽然我没有明确表示，但我同意 Stata 有很多的统计能力。这就是为什么我特别小心地说在Stata 中的编程很糟糕。 ;-)

标签： r stata

【解决方案1】：

假设您在向量pop1989 中有人口数据和trend中的趋势数据。

require(stringr)# because str_c has better default for sep parameter
dta <- kronecker(pop1989,cumprod(1+trend))
names(dta) <- kronecker(str_c("pop",LETTERS[1:4]),1990:2000,str_c)

【讨论】：

【解决方案2】：

Spacedman 和 Joshua 都有非常有效的分数。由于 Stata 在任何给定时间在内存中只有一个数据集，我建议将变量添加到数据框（这也是一种列表）而不是全局环境（见下文）。

但老实说，这样做更 R 的方式是保留您的因数，而不是变量名。

我制作了一些数据，因为我相信它现在在您的 R 版本中（至少，我希望如此......）

Data <- data.frame(
    popA1989 = 1:10,
    popB1989 = 10:1,
    popC1989 = 11:20,
    popD1989 = 20:11
)

Trend <- replicate(11,runif(10,-0.1,0.1))

然后您可以使用stack() 函数来获取一个数据框，其中您有一个因子pop 和一个数字变量year

newData <- stack(Data)
newData$pop <- substr(newData$ind,4,4)
newData$year <- as.numeric(substr(newData$ind,5,8))
newData$ind <- NULL

填充数据框非常容易：

for(i in 1:11){

  tmp <- newData[newData$year==(1988+i),]
  newData <- rbind(newData,
      data.frame( values = tmp$values*Trend[,i],
                  pop = tmp$pop,
                  year = tmp$year+1
      )
  )
}

在这种格式中，您会发现大多数 R 命令（若干年的选择、单个种群的选择、其中一个或两个的建模效果……）以后执行起来要容易得多。

如果您坚持，您仍然可以使用unstack() 创建宽格式

unstack(newData,values~paste("pop",pop,year,sep=""))

改编约书亚的答案以将列添加到数据框：

for(L in LETTERS[1:4]) {
  for(i in 1990:2000) {
    new <- paste("pop",L,i,sep="")  # create name for new variable
    old <- get(paste("pop",L,i-1,sep=""),Data)  # get old variable
    trend <- Trend[,i-1989]  # get trend variable
    Data <- within(Data,assign(new, old*(1+trend)))
  }
}

【讨论】：

你能解释一下“保留你的因子而不是变量名”是什么意思吗？
@KevinM 这就是“长格式”和“宽格式”之间的区别。您将所有数据放在一个列中，并使用一个因子或分类变量来描述哪些数据来自哪个人口和年份。如果您使用变量名称来指示我们正在谈论的年份和人口，那么您将难以使用该信息。就统计分析而言，人口和年份都是分类变量。所以我把它们作为一个分类变量（因子），而不是把它们组合起来构造变量名。

【解决方案3】：

不要在 R 中这样做。它混乱的原因是因为它的代码很丑。用程序名称构造大量变量是一件坏事。名字就是名字。它们没有结构，所以不要试图强加给它们。体面的编程语言有这样的结构——垃圾编程语言有附加的“宏”特性，最终会出现这种通过将字符串粘贴在一起来构造变量名的可怕模式。这是 1970 年代的一种做法，现在应该已经消失了。不要成为编程恐龙。

例如，你怎么知道你有多少 popXXXX 变量？你怎么知道你是否有完整的 pop1990 到 pop2000 序列？如果您想将变量保存到文件中以提供给某人怎么办。呸呸呸呸。

使用语言为您提供的数据结构。在这种情况下可能是一个列表。

【讨论】：

【解决方案4】：

假设您的全局环境中已经存在popA1989、popB1989、popC1989、popD1989，下面的代码应该可以工作。当然还有更多“类似 R”的方法可以做到这一点，但我想给你一些类似于你的 Stata 代码的东西。

for(L in LETTERS[1:4]) {
  for(i in 1990:2000) {
    new <- paste("pop",L,i,sep="")  # create name for new variable
    old <- get(paste("pop",L,i-1,sep=""))  # get old variable
    trend <- get(paste("trend",i,sep=""))  # get trend variable
    assign(new, old*(1+trend))
  }
}

【讨论】：