R根据应用于许多列的条件语句生成新变量答案

【问题标题】：R Generating a new variable based on conditional statement applied to many columnsR根据应用于许多列的条件语句生成新变量
【发布时间】：2014-09-30 00:58:08
【问题描述】：

可能有一种明显而优雅的方法可以做到这一点，可能使用 lapply，但我仍在掌握应用命令并且正在努力寻找它。

我有一个如下所示的数据框，除了不是 5 个因子变量，而是有几十个，而不是 10 行，有数百个。

    a<- data.frame("id" = c(1:10),
                   "a1" = factor(c(0,0,1,1,0,1,0,1,0,1)),
                   "a2" = factor(c(0,0,0,0,0,0,0,0,1,0)), 
                   "a3" = factor(c(0,0,0,0,0,1,0,0,0,0)),
                   "a4" = factor(c(0,0,0,0,0,0,0,0,1,1)), 
                   "a5" = factor(c(0,0,0,1,0,0,0,0,0,0)))

我想创建一个新变量，如果 13 列中的任何一列包含特定级别的因子，则该变量为 1。示例数据帧中的等价物将创建一个名为“b”的新变量，如果 a1:a4 的任何列中有一个“1”，则该变量为 1，如下所示。

    a<- data.frame("id" = c(1:10),
                   "a1" = factor(c(0,0,1,1,0,1,0,1,0,1)),
                   "a2" = factor(c(0,0,0,0,0,0,0,0,1,0)), 
                   "a3" = factor(c(0,0,0,0,0,1,0,0,0,0)),
                   "a4" = factor(c(0,0,0,0,0,0,0,0,1,1)), 
                   "a5" = factor(c(0,0,0,1,0,0,0,0,0,0)), 
                   "b"  = c(0,0,1,1,0,1,0,1,1,1))

必须有一种方法可以使用 13 个列位置来执行此操作，而不是为 13 个变量中的每一个变量编写条件 ifthen 语句。

【问题讨论】：

这很明显，您需要重塑数据，使其具有“变量”列，然后是包含“a1”、“a2”、“a3”的因子......和值列，包含所有 0 和 1。请参阅 my answer here 了解为什么这会使此类问题变得更容易。
谢谢。该链接非常有帮助。使用正则表达式识别列效果很好。

标签： r conditional-statements lapply

【解决方案1】：

只需使用rowSums，类似这样：

> as.numeric(rowSums(a[paste0("a", 1:5)] == 1) >= 1)
 [1] 0 0 1 1 0 1 0 1 1 1

【讨论】：

（我现在看到 David 的评论包含一个采用非常相似方法的链接...）
我收到“未定义的列已选择”错误。进一步的想法？
@user2230555，当然。您正在尝试选择数据集中不存在的列。
甚至(rowSums(a[-1] == 1) > 0)+0

【解决方案2】：

如果你想试试lapply

  Reduce(`|`,lapply(a[,-1], function(x) as.numeric(as.character(x))))+0
  #[1] 0 0 1 1 0 1 0 1 1 1

或者只是

  Reduce(`|`, lapply(a[,-1], `==`, 1)) +0
  #[1] 0 0 1 1 0 1 0 1 1 1

基准测试

set.seed(155)
df <- as.data.frame(matrix(sample(0:1, 5000*1e4, replace=TRUE), ncol=5000))

library(microbenchmark)
f1 <- function() {as.numeric(rowSums(df == 1) >= 1) }
f2 <- function() {Reduce(`|`, lapply(df, `==`, 1)) +0}
f3 <- function() {apply(df == 1, 1, function(x) any(x %in% TRUE))+0}

microbenchmark(f1(), f2(), f3(), unit="relative")
# Unit: relative
# expr       min       lq   median       uq      max neval
# f1() 1.000000 1.000000 1.000000 1.000000 1.000000   100
# f2() 1.040561 1.043713 1.053773 1.032932 1.045067   100
# f3() 2.538287 2.517184 2.825253 2.477225 2.454511   100

【讨论】：

【解决方案3】：

您也可以在将矩阵转换为逻辑矩阵后使用any。

> apply(a[grep("a[1-4]", names(a))] == 1, 1, any)+0
# [1] 0 0 1 1 0 1 0 1 1 1

或者

> apply(a[grepl("a[1-4]", names(a))] == 1, 1, any)+0
# [1] 0 0 1 1 0 1 0 1 1 1

【讨论】：