从多个变量的复杂计算中计算新变量的更好方法，一些 NA

Question

我试图找到一个干净、高效的方法来创建一个对 5 个现有变量进行复杂计算的新变量。我的问题是，一个变量是一个因素，而其他 4 个包含 NA。

我有一个包含多组变量的数据集，结构如下：

• expenditure_period - 1 = 每天，2 = 每周，3 = 的因子 每月，4 = 每年
• expenditure1 - 整数，每天花费的金额
• expenditure2 - 整数，每周花费的金额
• expenditure3 - 整数，每月花费的金额
• expenditure4 - 整数，一年中花费的金额

对于每一行/观察，4 个整数字段中只有一个具有数值，具体取决于支出周期的值，其余为 NA。

例如：

   expenditure_period  expenditure1  expenditure2  expenditure3  expenditure4
1             monthly            NA            NA             5            NA
2              weekly            NA             5            NA            NA
3             monthly            NA            NA             2            NA
4             monthly            NA            NA             5            NA
5             monthly            NA            NA            58            NA

我想创建一个包含标准每月支出的新变量。因此，如果支出周期为每日，则支出 1*30。如果是每周，则支出 2 * 4。如果是每月，则支出 3 * 1。如果每年，则支出 4 / 12。

我能想到的最佳解决方案是以下混乱：

data$expenditure_factor[data$expenditure_period=="daily"] <- 30
data$expenditure_factor[data$expenditure_period=="weekly"] <- 4
data$expenditure_factor[data$expenditure_period=="monthly"] <- 1
data$expenditure_factor[data$expenditure_period=="yearly"] <- 1/12
data$expenditure_month <- apply(data[,c("expenditure1", "expenditure2",
 "expenditure3", "expenditure4", "expenditure_factor")], 1, 
function(x) { sum(x[1:4], na.rm=TRUE) * x[5]} )

我尝试使用 + 运算符将支出 1、2、3、4 相加，但是由于将 1 个数字添加到 3 个 NA，这导致所有 NA。我尝试使用带有 rm.na 的 sum 函数创建一个临时变量，但这导致每一行的总和相同。我尝试使用 dplyr 包中的 mutate ，但没​​有效果。

有没有更简单、更优雅的方法来做到这一点？我必须对大约 12 种不同的支出类别进行相同的处理。如果以前有人问过这个问题，我很抱歉，我找不到类似的线程。如果已经有请指导我。

我在 Windows 7 上使用 RStudio 和 R 3.2.3。

Answer 1

“干净、高效”是一种观点，但如果您有一段时间没有查看代码，以下内容将很容易维护和理解。它将数据保存在单独的表中，一次只做一件事，并且可以在步骤之间进行检查。

# conversion table to replace bulk of mess with slightly better mess of code that is easy to inspect
expenditure_factor <- data.frame(expenditure_period = c('daily','weekly','monthly','yearly'),
                                 pfactor = c(30,4,1,1/12),
                                 stringsAsFactors = F)

# sum total expenditure (expenditurex) and remove extra columns
data$sumexpenditure <- apply(data[ ,2:5],1,sum,na.rm = T)
data$expenditure1 <- data$expenditure2 <- data$expenditure3 <- data$expenditure4 <- NULL

# add factor from conversion table
data <- merge(data,expenditure_factor,by = 'expenditure_period',all.x = T)

# calculate final answer
data$expenditure_month <- data$sumexpenditure * data$pfactor

或者这可以被塞进一个衬里。

假设expendance_period是一个字符变量：

data$expenditure_period <- as.character(data$expenditure_period)

然后：

# sum total expenditure
data$sumexpenditure <- apply(data[ ,2:5],1,sum,na.rm = T)

# use an index
data$expenditure_factor <- c(30,4,1,1/12)[match(data$expenditure_period,c('daily','weekly','monthly','yearly'))]

# calculate final answer
data$expenditure_month <- data$sumexpenditure * data$expenditure_factor

Answer 2

好的，这可能是一种有点不正统的方法，但是如果您重命名列以使其包含乘数，重新调整数据并提取乘数以用于计算新变量，该怎么办：

library(dplyr)
library(tidyr)

# New cols
data<-rename(data, expenditure.30 = expenditure1, 
            expenditure.4 = expenditure2,
            expenditure.1 = expenditure3,
            `expenditure.1/2` = expenditure4)

# Reshape and calculate new col
data %>% gather(exp_new,exp_val,expenditure.30:`expenditure.1/2`) %>% 
        mutate(mont_exp = exp_val * as.numeric(sub('.*\\.', '', exp_new))) %>%
        na.omit()
#   expenditure_period       exp_new exp_val mont_exp
#7              weekly expenditure.4       5       20
#11            monthly expenditure.1       5        5
#13            monthly expenditure.1       2        2
#14            monthly expenditure.1       5        5
#15            monthly expenditure.1      58       58