基于数据集中已有的分类变量创建新变量

Question

假设我有一个数据集，其中有一个分类变量X，它的值可以是A、B或C。

我想创建一个新变量Y，使得：

- 当X=A时，Y=1； - 当X=B时，Y=2； - 当X=C时，Y=3。

以下是我目前的代码，但我知道它是不正确的。

if(X==A) {
  (Y = 1)
  }
else if(X==B) {
  (Y = 2)
  }
else {
  (Y = 3)
  }

我一直遇到以下错误：

对象“Y”未找到

如何创建变量Y，以便它可以根据X的值接受这些新值？

- PapaSwankey

Answer 1

选项1：取因子的数值。

X
# [1] "B" "C" "A" "C" "A" "C" "B" "B" "A" "A"
c(factor(X))
# [1] 2 3 1 3 1 3 2 2 1 1

c()会删除属性，通常用于添加一些花哨的效果。使用as.numeric()可能更易读。

选项2：查找向量。

c(A = 1, B = 2, C = 3)[X]
# B C A C A C B B A A 
# 2 3 1 3 1 3 2 2 1 1

数据:

set.seed(25)
X <- sample(LETTERS[1:3], 10, TRUE)

- Rich Scriven

Answer 2

这个问题的点赞数量让我很困惑...所以需要回答这个问题吗？

使用循环方法，就像原始发布者打算的那样，是：

Y <- numeric(length(X))  ## initialize a numeric vector `Y`, of the same length of `X`
## loop through all elements of `X`, use `if-else` to allocate value for `Y`
for (i in seq_along(X)) {
  if (X[i] == "A") Y[i] <- 1
  else if (X[i] == "B") Y[i] <- 2
  else if (X[i] == "C") Y[i] <- 3
  }

完全矢量化方法是指使用向量运算来处理数据的一种技术。

Y <- match(X, LETTERS[1:3])

在这里，LETTERS是R语言中表示大写字母的内部常量。R语言中的常量很少，您可以通过阅读文档?Constants获取它们所有的常量。

- Zheyuan Li

Answer 3

在这种情况下，你可能想考虑在tidyverse中使用dplyr::recode。它本质上是一个向量化的switch，似乎正是你想要的。或者，你可以使用第二个datatable并使用dplyr::left_join或base::merge。

library(tidyverse)

data = tribble(
    ~x, ~y,
    1, "A", 
    2, "A",
    4, "B",
    5, "C",
    7, "Z"
)

data %>% 
    mutate(
        new_var = recode(y, "A" = "first",
                            "B" = "second",
                            "C" = "third",
                            "Z" = "last")
    )
#> # A tibble: 5 X 3
#>       x     y new_var
#>   <dbl> <chr>   <chr>
#> 1     1     A   first
#> 2     2     A   first
#> 3     4     B  second
#> 4     5     C   third
#> 5     7     Z    last

- Michael Griffiths