model.matrix() with na.action=NULL?答案

【问题标题】：model.matrix() with na.action=NULL?model.matrix() with na.action=NULL?
【发布时间】：2011-08-02 17:44:39
【问题描述】：

我有一个公式和一个数据框，我想提取model.matrix()。但是，我需要生成的矩阵包含在原始数据集中找到的 NA。如果我要使用model.frame() 来执行此操作，我会简单地将其传递给na.action=NULL。但是，我需要的输出是model.matrix() 格式。具体来说，我只需要右侧变量，我需要输出是一个矩阵（不是数据框），我需要将因子转换为一系列虚拟变量。

我确信我可以使用循环或其他东西一起破解某些东西，但我想知道是否有人可以提出更清洁、更有效的解决方法。非常感谢您的宝贵时间！

这是一个例子：

dat <- data.frame(matrix(rnorm(20),5,4), gl(5,2))
dat[3,5] <- NA
names(dat) <- c(letters[1:4], 'fact')
ff <- a ~ b + fact

# This omits the row with a missing observation on the factor
model.matrix(ff, dat) 

# This keeps the NA, but it gives me a data frame and does not dichotomize the factor
model.frame(ff, dat, na.action=NULL)

这是我想要得到的：

   (Intercept)          b fact2 fact3 fact4 fact5
1            1  0.7266086     0     0     0     0
2            1 -0.6088697     0     0     0     0
3            NA 0.4643360     NA    NA    NA    NA
4            1 -1.1666248     1     0     0     0
5            1 -0.7577394     0     1     0     0
6            1  0.7266086     0     1     0     0
7            1 -0.6088697     0     0     1     0
8            1  0.4643360     0     0     1     0
9            1 -1.1666248     0     0     0     1
10           1 -0.7577394     0     0     0     1

【问题讨论】：

标签： r matrix na

【解决方案1】：

您可以根据行名对model.matrix 对象进行一些处理：

MM <- model.matrix(ff,dat)
MM <- MM[match(rownames(dat),rownames(MM)),]
MM[,"b"] <- dat$b
rownames(MM) <- rownames(dat)

给出：

> MM
     (Intercept)         b fact2 fact3 fact4 fact5
1              1 0.9583010     0     0     0     0
2              1 0.3266986     0     0     0     0
3             NA 1.4992358    NA    NA    NA    NA
4              1 1.2867461     1     0     0     0
5              1 0.5024700     0     1     0     0
6              1 0.9583010     0     1     0     0
7              1 0.3266986     0     0     1     0
8              1 1.4992358     0     0     1     0
9              1 1.2867461     0     0     0     1
10             1 0.5024700     0     0     0     1

或者，您可以使用contrasts() 为您完成工作。手动构建矩阵是：

cont <- contrasts(dat$fact)[as.numeric(dat$fact),]
colnames(cont) <- paste("fact",colnames(cont),sep="")
out <- cbind(1,dat$b,cont)
out[is.na(dat$fact),1] <- NA
colnames(out)[1:2]<- c("Intercept","b")
rownames(out) <- rownames(dat)

给出：

> out
     Intercept          b fact2 fact3 fact4 fact5
1            1  0.2534288     0     0     0     0
2            1  0.2697760     0     0     0     0
3           NA -0.8236879    NA    NA    NA    NA
4            1 -0.6053445     1     0     0     0
5            1  0.4608907     0     1     0     0
6            1  0.2534288     0     1     0     0
7            1  0.2697760     0     0     1     0
8            1 -0.8236879     0     0     1     0
9            1 -0.6053445     0     0     0     1
10           1  0.4608907     0     0     0     1

在任何情况下，这两种方法都可以合并到一个可以处理更复杂公式的函数中。我把练习留给读者（当我在论文中遇到这句话时，我讨厌什么;-)）

【讨论】：

“我把练习留给读者”——但它非常适合做课堂笔记；）
match 通话很棒，这就是我所缺少的！
match() 效果很好。顺便说一句，这解决了我一直在努力解决的另一个问题。非常感谢！

【解决方案2】：

Joris 的建议有效，但更快速、更简洁的方法是通过全局 na.action 设置。 “通过”选项实现了我们从原始数据集中保留 NA 的目标。

选项 1：通过

生成的矩阵将在与原始数据集对应的行中包含 NA。

options(na.action='na.pass')
model.matrix(ff, dat)

选项 2：省略

生成的矩阵将跳过包含 NA 的行。

options(na.action='na.omit')
model.matrix(ff, dat)

选项 3：失败

如果原始数据包含 NA，则会发生错误。

options(na.action='na.fail')
model.matrix(ff, dat)

当然，更改全局选项时务必小心，因为它们会改变代码其他部分的行为。谨慎的人可能会将原始设置存储为 current.na.action <- options('na.action') 之类的东西，然后在制作 model.matrix 后将其更改回来。

【讨论】：

每天学习新东西。
明确地说，将options('na.action') 重置为其原始状态的一种方法是：current.na.action <- options('na.action'，然后是options('na.action' = current.na.action$na.action)。请注意，不使用名称 'na.action' 从 current.na.action 中提取字符串变量可能会导致无限递归和“保护堆栈溢出”错误，尤其是当您在带有 on.exit 的函数中使用该构造时。跨度>

【解决方案3】：

另一种方法是使用带有参数na.action=na.pass 的model.frame 函数作为model.matrix 的第二个参数：

> model.matrix(ff, model.frame(~ ., dat, na.action=na.pass))
   (Intercept)          b fact2 fact3 fact4 fact5
1            1 -1.3560754     0     0     0     0
2            1  2.5476965     0     0     0     0
3            1  0.4635628    NA    NA    NA    NA
4            1 -0.2871379     1     0     0     0
5            1  2.2684958     0     1     0     0
6            1 -1.3560754     0     1     0     0
7            1  2.5476965     0     0     1     0
8            1  0.4635628     0     0     1     0
9            1 -0.2871379     0     0     0     1
10           1  2.2684958     0     0     0     1

model.frame 允许您为na.action 设置适当的操作，当model.matrix 被调用时维护。

【讨论】：

谢谢，但我问题的第一段解释了为什么这在我想到的应用程序中不起作用。
@Vincent，model.frame 只是model.matrix 的一个参数，所以输出格式为model.matrix。我展示的输出不是你想要的吗？
哇！我真的需要提高我的阅读能力。这是一个非常酷的解决方案；不知道你能做到。谢谢！
这个答案似乎是要走的路；希望人们能找到它，即使旧答案的评分更高

【解决方案4】：

查看mattdevlin 和Nathan Gould 的答案后，我偶然发现了一个更简单的解决方案：

 model.matrix.lm(ff, dat, na.action = "na.pass")

model.matrix.default 可能不支持 na.action 参数，但 model.matrix.lm 支持！

（我从 Rstudio 的自动完成建议中找到了 model.matrix.lm — 如果您没有加载任何添加其他库的库，它似乎是 model.matrix 的唯一非默认方法。然后我猜它可能支持na.action 参数。）

【讨论】：

谢谢@onestop，我认为这应该是推荐的答案。
这应该是推荐的答案！
这个效果最好。 model.matrix 似乎不尊重 na.action。