用假人创建数据框答案

【问题标题】：create dataframe with dummies用假人创建数据框
【发布时间】：2021-06-11 10:40:06
【问题描述】：

我是 R 新手，手头有问题。我基本上想创建一个数据框，其中包含每年有人拥有房子的虚拟变量。 0 表示他没有卖出的每一年，1 表示他卖出的那一年。在此旁边，我需要年份 iteslf 和买房子的年份，因为我有一个单独的数据集，其中包含每年的房价指数。我想这最好通过某种循环来完成，因为我有 40.000 笔交易

我现在拥有的示例数据

Buy	Sold
1620	1624
1622	1628

然后我需要它变成什么

dummy	year bought	current year
0	1620	1621
0	1620	1622
0	1620	1623
1	1620	1624
0	1622	1623
0	1622	1624
0	1622	1625
0	1622	1626
0	1622	1627
1	1622	1628

那么最终我还需要另一列，其中包含当年房价指数之间的价格差异 - 房屋购买年份的价格指数。我确实有一个单独的数据集，其中包含每年的价格指数。我不知道该怎么做，但我想一旦我弄清楚了这些数据，这将相对容易。提前致谢！

【问题讨论】：

标签： r dataframe dummy-variable

【解决方案1】：

tidyverse 选项 -

library(tidyverse)

df %>%
  mutate(current_year = map2(Buy + 1, Sold, seq)) %>%
  unnest(current_year) %>%
  mutate(dummy = as.integer(Sold == current_year), .before = 1) %>%
  select(-Sold, Year_bought = Buy)

#   dummy Year_bought current_year
#   <int>       <int>        <int>
# 1     0        1620         1621
# 2     0        1620         1622
# 3     0        1620         1623
# 4     1        1620         1624
# 5     0        1622         1623
# 6     0        1622         1624
# 7     0        1622         1625
# 8     0        1622         1626
# 9     0        1622         1627
#10     1        1622         1628

map2 在Buy 和Sold 之间创建一个序列，当current_year 与销售年份相同时，创建一个dummy 列。

数据

df <- structure(list(Buy = c(1620L, 1622L), Sold = c(1624L, 1628L)),
      class = "data.frame", row.names = c(NA, -2L))

【讨论】：

【解决方案2】：

data.table 解决方案：

library(data.table)

data <- data.table(Buy = c(1620, 1622), Sell = c(1624, 1628))
data <- data[, .(`year bought` = Buy, `current year` = seq(Buy, Sell, by = 1)), , 
             .(grp = 1:nrow(data))][, grp := NULL]
data[, dummy := ifelse(`current year` == max(`current year`), 1, 0), by=.(`year bought`)]

我确实想补充一点，如果有超过 1 套房屋具有相同的购买年份，或者还有尚未售出的房屋，这将成为问题。如果您的数据中存在其中任何一个，我可以稍微修改代码。

【讨论】：

【解决方案3】：

另一种方法

df <- structure(list(Buy = c(1620L, 1622L), Sold = c(1624L, 1628L)),
                class = "data.frame", row.names = c(NA, -2L))

library(tidyverse)
df %>% group_by(grp = data.table::rleid(Buy)) %>%
  uncount(Sold - Buy) %>%
  mutate(current_year = first(Buy) + row_number()) %>%
  ungroup() %>%
  mutate(Sold = +(Sold == current_year)) %>%
  select(dummy = Sold, year_bought = Buy, current_year)
#> # A tibble: 10 x 3
#>    dummy year_bought current_year
#>    <int>       <int>        <int>
#>  1     0        1620         1621
#>  2     0        1620         1622
#>  3     0        1620         1623
#>  4     1        1620         1624
#>  5     0        1622         1623
#>  6     0        1622         1624
#>  7     0        1622         1625
#>  8     0        1622         1626
#>  9     0        1622         1627
#> 10     1        1622         1628

^{由reprex package (v2.0.0) 于 2021 年 6 月 11 日创建}

【讨论】：