如何在R data.frame中创建组合变量？

Question

我有一个data.frame有几个零值的变量。我需要构造一个额外的变量，它会返回每个观察结果不为零的变量组合。例如。

df <- data.frame(firm = c("firm1", "firm2", "firm3", "firm4", "firm5"), 
       A = c(0, 0, 0, 1, 2), 
       B = c(0, 1, 0, 42, 0), 
       C = c(1, 1, 0, 0, 0)) 

现在我想生成新的变量：

df$varCombination <- c("C", "B-C", NA, "A-B", "A") 

我想出了这样的事情，这显然没有奏效：

for (i in 1:nrow(df)){ 
    df$varCombination[i] <- paste(names(df[i,2:ncol(df) & > 0]), collapse = "-") 
} 

Answer 1

这可能可以解决ED容易使用apply(df, 1, fun)，但在这里就是为了解决这个逐列而不是行明智的性能考虑尝试（我曾经看到类似通过@alexis_laz做了一些，但无法找到它现在）

## Create a logical matrix 
tmp <- df[-1] != 0 
## or tmp <- sapply(df[-1], `!=`, 0) 

## Prealocate result 
res <- rep(NA, nrow(tmp)) 

## Run per column instead of per row 
for(j in colnames(tmp)){ 
    res[tmp[, j]] <- paste(res[tmp[, j]], j, sep = "-") 
} 

## Remove the pre-allocated `NA` values from non-NA entries 
gsub("NA-", "", res, fixed = TRUE) 
# [1] "C" "B-C" NA "A-B" "A" 

---

在一个更大的数据有些基准设置

set.seed(123) 
BigDF <- as.data.frame(matrix(sample(0:1, 1e4, replace = TRUE), ncol = 10)) 

library(microbenchmark) 

MM <- function(df) { 
    var_names <- names(df)[-1] 
    res <- character(nrow(df)) 
    for (i in 1:nrow(df)){ 
    non_zero_names <- var_names[df[i, -1] > 0] 
    res[i] <- paste(non_zero_names, collapse = '-') 
    } 
    res 
} 

ZX <- function(df) { 
    res <- 
    apply(df[,2:ncol(df)]>0, 1, 
      function(i)paste(colnames(df[, 2:ncol(df)])[i], collapse = "-")) 
    res[res == ""] <- NA 
    res 
} 

DA <- function(df) { 
    tmp <- df[-1] != 0 
    res <- rep(NA, nrow(tmp)) 

    for(j in colnames(tmp)){ 
    res[tmp[, j]] <- paste(res[tmp[, j]], j, sep = "-") 
    } 
    gsub("NA-", "", res, fixed = TRUE) 
} 


microbenchmark(MM(BigDF), ZX(BigDF), DA(BigDF)) 
# Unit: milliseconds 
#  expr  min   lq  mean  median   uq  max neval cld 
# MM(BigDF) 239.36704 248.737408 253.159460 252.177439 255.144048 289.340528 100 c 
# ZX(BigDF) 35.83482 37.617473 38.295425 38.022897 38.357285 76.619853 100 b 
# DA(BigDF) 1.62682 1.662979 1.734723 1.735296 1.761695 2.725659 100 a 

Answer 2

使用适用于：

# paste column names 
df$varCombination <- 
    apply(df[,2:ncol(df)]>0, 1, 
     function(i)paste(colnames(df[, 2:ncol(df)])[i], collapse = "-")) 

# convert blank to NA 
df$varCombination[df$varCombination == ""] <- NA 

# result 
df 
# firm A B C varCombination 
# 1 firm1 0 0 1    C 
# 2 firm2 0 1 1   B-C 
# 3 firm3 0 0 0   <NA> 
# 4 firm4 1 42 0   A-B 
# 5 firm5 2 0 0    A 

Answer 3

你有正确的想法，但在你的循环逻辑比较是不正确的。

我试图保持相当类似，你有什么之前的代码，这应该工作：

var_names <- names(df)[-1] 

df$varCombination <- character(nrow(df)) 

for (i in 1:nrow(df)){ 

    non_zero_names <- var_names[df[i, -1] > 0] 

    df$varCombination[i] <- paste(non_zero_names, collapse = '-') 

} 

> df 
    firm A B C varCombination 
1 firm1 0 0 1    C 
2 firm2 0 1 1   B-C 
3 firm3 0 0 0    
4 firm4 1 42 0   A-B 
5 firm5 2 0 0    A