model.matrix 使用多列答案

【问题标题】：model.matrix using multiple columnsmodel.matrix 使用多列
【发布时间】：2012-11-29 20:01:27
【问题描述】：

我正在尝试在 model.matrix 中使用 data.frame 中的多个列。

数据框如下所示：

    df1 <- data.frame(id=seq(1,10,1), zip1=(round(runif(10)*100000,0)), zip2=(round(runif(10)*100000,0))
    ,var1=round(runif(10)*100,1),Sales=round(runif(10)* 10000,2))
df1$zip1 <- ifelse(nchar(as.character(df1$zip1)) < 5,paste("0",as.character(df1$zip1),sep=""),df1$zip1)
df1$zip2 <- ifelse(nchar(as.character(df1$zip2)) < 5,paste("0",as.character(df1$zip2),sep=""),df1$zip2)

df1$zip1 <- factor(df1$zip1)
df1$zip2 <- factor(df1$zip2)
dput(df1)


> dput(df1)
structure(list(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10), zip1 = structure(c(5L, 
1L, 8L, 3L, 7L, 9L, 2L, 6L, 10L, 4L), .Label = c("16667", "21922", 
"29100", "54398", "55447", "72607", "84667", "96562", "97012", 
"99125"), class = "factor"), zip2 = structure(c(7L, 4L, 2L, 6L, 
3L, 8L, 5L, 9L, 1L, 10L), .Label = c("0451", "0644", "14040", 
"17184", "18838", "42308", "48507", "50496", "64851", "89748"
), class = "factor"), var1 = c(94.4, 39.6, 47.1, 74, 67.3, 53.4, 
28.7, 91.6, 47.1, 44.8), Sales = c(6394.03, 5575.65, 773.58, 
3181.43, 4992.56, 6627.01, 3313.13, 1585.1, 5080.98, 499.86)), .Names = c("id", 
"zip1", "zip2", "var1", "Sales"), row.names = c(NA, -10L), class = "data.frame")

看起来像这样：

    > df1
   id  zip1  zip2 var1   Sales
1   1 55447 48507 94.4 6394.03
2   2 16667 17184 39.6 5575.65
3   3 96562  0644 47.1  773.58
4   4 29100 42308 74.0 3181.43
5   5 84667 14040 67.3 4992.56
6   6 97012 50496 53.4 6627.01
7   7 21922 18838 28.7 3313.13
8   8 72607 64851 91.6 1585.10
9   9 99125  0451 47.1 5080.98
10 10 54398 89748 44.8  499.86

我想做这样的事情：

df2 <- model.matrix(~df1[,-c(1,5)])
glmnet1 <- cv.glmnet(df2, df1[,"Sales"]
    , family="gaussian", alpha=.95, nfolds=10, standardize = FALSE, type.measure="deviance")

但是我无法让 model.matrix 接受多个变量：

> f1 <- formula(df1$Sales ~ df1[,c("zip1","zip2")])
> df2 <- model.matrix(f1)
  Error in model.frame.default(object, data, xlev = xlev) : 
  invalid type (list) for variable 'df1[, c("zip1", "zip2")]'

有什么建议吗？

编辑：

> f1 <- formula(Sales ~., data= df1[,-c(1,5)])
> df2 <- model.matrix(f1)
Error in terms.formula(object) : '.' in formula and no 'data' argument

【问题讨论】：

是这样的：model.matrix(Sales ~ zip1 + zip2, data=df1)你想要什么？
@thelatemail：这行得通，我编辑了问题以更好地描述问题。我在 ~ 100 个变量上使用它，不想用 var1 + var2 + ... + varx 把它们全部写出来。
如果model.matrix 接受“.”速记，然后将thelatemail的建议修改为model.matrix(Sales ~.,data=df1)（我认为这是公式的正确语法-如果不是，请道歉）
@CarlWitthoft：遗憾的是它不接受'.'
@screechOwl：对我有用。但 Carl 的建议并未解决排除选定列的请求。

标签： r formula model.matrix

【解决方案1】：

您可以为公式指定多个变量，例如：

model.matrix(Sales ~ zip1 + zip2, data=df1)

如果你想省去打字，试试：

formdf1 <- as.formula(paste("Sales ~ ", paste(names(df1)[2:3],collapse="+")))
formdf1
#Sales ~ zip1 + zip2

然后运行：

model.matrix(formdf1,data=df1)

【讨论】：

【解决方案2】：

require(glmnet)
df2 <- df1[,-c(1)]  # need the "Sales" column, drop it later
# Could use df2 <- df1[ !names(df1) %in% exclude_vec ]
glmnet1 <- cv.glmnet( model.matrix( Sales ~ . , df2)[, -1], df1[,"Sales"] ,
      family="gaussian", alpha=.95, nfolds=10, standardize = FALSE,
      type.measure="deviance")

【讨论】：