分类假人 R答案

【问题标题】：Classification dummy R分类假人 R
【发布时间】：2017-06-21 08:18:04
【问题描述】：

在美国股票的大型数据集中，我有一个包含 SIC 代码的整数变量。 https://www.sec.gov/info/edgar/siccodes.htm

我想创建一个虚拟变量来指示50 的主要组，即耐用品取1，否则取0。

我试过代码：

data$durable <- as.integer(grepl(pattern = "50", x = data$sic))

但这当然没有考虑到 SIC 的层次结构。我只想得到前两位数字的“50”。

（R 新手）

/亚历克斯

【问题讨论】：

标签： r dummy-variable

【解决方案1】：

使用除法，或向左填充零并检查前两个字母。

code <- c(100, 102, 501, 5010)

# approach 1
as.integer(as.integer(code/100) == 50)

# approach 2
as.integer(substring(sprintf("%04d", code), 1, 2) == "50")

【讨论】：

【解决方案2】：

library(readxl)
library(dplyr)
library(stringi)

data_sic <- read_excel("./sic_example.xlsx")

data_sic$temp1 <- stri_sub(data_sic$SIC,1,2)

data_sic <- mutate(data_sic, durable_indicator =
                     ifelse(temp1 == "50", 1, 0))

str(data_sic)

输出：

str(data_sic)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame':   6 obs. of  4 variables:
 $ SIC              : num  4955 4961 4991 5000 5010 ...
 $ Industry Title   : chr  "HAZARDOUS WASTE MANAGEMENT" "STEAM & AIR-CONDITIONING SUPPLY" "COGENERATION SERVICES & SMALL POWER PRODUCERS" "WHOLESALE-DURABLE GOODS" ...
 $ temp1            : chr  "49" "49" "49" "50" ...
 $ durable_indicator: num  0 0 0 1 1 1

附录：

有多种方法可以解决这个问题。

我建议查看 stringi 包 Link to documentation 以进行字符串编辑。

以及插入符号包 - documentation 用于变量的虚拟化和其他统计转换。

【讨论】：