【发布时间】：2020-03-06 04:09:35
【问题描述】：
我需要重新编码测试响应的数据集以用于另一个应用程序（一个名为 BLIMP 的程序，用于估算缺失值）。具体来说，我需要用虚拟代码来表示测试项目和子量表分配。
在这里，我创建了一个数据框，以嵌套格式保存对两个人的 10 项测试的响应。这些数据是实际输入表的简化版本。
library(tidyverse)
df <- tibble(
person = rep(101:102, each = 10),
item = as.factor(rep(1:10, 2)),
response = sample(1:4, 20, replace = T),
scale = as.factor(rep(rep(1:2, each = 5), 2))
) %>% mutate(
scale_last = case_when(
as.integer(scale) != lead(as.integer(scale)) | is.na(lead(as.integer(scale))) ~ 1,
TRUE ~ NA_real_
)
)
df 的列包含：
-
person：人员的身份证号（每人 10 行） -
item：每人测试项目1-10。请注意项目是如何嵌套在每个人中的。 -
response：每项得分 -
scale：测试有两个分量表。项目 1-5 被分配到子量表 1，项目 6-10 被分配到子量表 2。 -
scale_last：此列中的代码1表示该项目是其分配的子量表中的最后一个项目。这个特性在下面变得很重要。
然后我使用 recipes 包为项目创建虚拟代码。
library(recipes)
dum <- df %>%
recipe(~ .) %>%
step_dummy(item, one_hot = T) %>%
prep(training = df) %>%
bake(new_data = df)
print(dum, width = Inf)
# person response scale scale_last item_X1 item_X2 item_X3 item_X4 item_X5 item_X6 item_X7
# <int> <int> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 101 2 1 NA 1 0 0 0 0 0 0
# 2 101 3 1 NA 0 1 0 0 0 0 0
# 3 101 3 1 NA 0 0 1 0 0 0 0
# 4 101 1 1 NA 0 0 0 1 0 0 0
# 5 101 1 1 1 0 0 0 0 1 0 0
# 6 101 1 2 NA 0 0 0 0 0 1 0
# 7 101 3 2 NA 0 0 0 0 0 0 1
# 8 101 4 2 NA 0 0 0 0 0 0 0
# 9 101 2 2 NA 0 0 0 0 0 0 0
#10 101 4 2 1 0 0 0 0 0 0 0
#11 102 2 1 NA 1 0 0 0 0 0 0
#12 102 1 1 NA 0 1 0 0 0 0 0
#13 102 2 1 NA 0 0 1 0 0 0 0
#14 102 3 1 NA 0 0 0 1 0 0 0
#15 102 2 1 1 0 0 0 0 1 0 0
#16 102 1 2 NA 0 0 0 0 0 1 0
#17 102 4 2 NA 0 0 0 0 0 0 1
#18 102 2 2 NA 0 0 0 0 0 0 0
#19 102 4 2 NA 0 0 0 0 0 0 0
#20 102 3 2 1 0 0 0 0 0 0 0
# item_X8 item_X9 item_X10
# <dbl> <dbl> <dbl>
# 1 0 0 0
# 2 0 0 0
# 3 0 0 0
# 4 0 0 0
# 5 0 0 0
# 6 0 0 0
# 7 0 0 0
# 8 1 0 0
# 9 0 1 0
#10 0 0 1
#11 0 0 0
#12 0 0 0
#13 0 0 0
#14 0 0 0
#15 0 0 0
#16 0 0 0
#17 0 0 0
#18 1 0 0
#19 0 1 0
#20 0 0 1
输出显示带有 item_ 前缀的列中表示的项目虚拟代码。对于下游处理，我需要进一步的重新编码。在每个分量表中，项目必须相对于分量表的最后一项进行虚拟编码。这就是scale_last 变量发挥作用的地方；此变量标识输出中需要重新编码的行。
例如，这些行中的第一行是第 5 行，即人 101 的子尺度 1 中最后一项（第 5 项）的行。在此行中，item_X5 列的值需要从1 重新编码到0。在要重新编码的下一行（第 10 行）中，需要将 item_X10 的值从 1 重新编码为 0。以此类推。
我正在努力寻找dplyr 动词的正确组合来实现这一点。让我感到困惑的是需要隔离特定行中的特定单元格以进行重新编码。
提前感谢您的帮助！
【问题讨论】：
标签： r dplyr dummy-variable