R 主要是矢量化的,因此请寻找矢量化操作来代替循环。在这种情况下,您可以对每个操作进行矢量化,使其适用于整个矩阵而不是单个行。
以下是您的前三个if
else
陈述:
dcv.new[is.na(dcv.new[,29]), 69] <- 1
dcv.new[dcv.new[,29]=="V", c(68,75)] <- 1
dcv.new[dcv.new[,29]=="A", c(70,75)] <- 1
....
你应该明白了。
一些解释:
我们正在做的是从dcv.new
满足条件的某些列中选择行(例如== "V"
),然后我们将值分配给单个操作中的1
每个选定元素。dcv.new
R 回收1
我们分配的 ,使其长度与填充所有选定元素所需的长度相同。
请注意我们如何一次选择多个列进行更新:仅dcv.new[x , c(68,75)]
更新行的第 68 和 75 列,其中是索引我们需要更新的行的逻辑向量。逻辑向量是由类似的语句产生的。这些返回一个if 一个等于的元素,如果不是。x
x
dcv.new[,29]=="V"
TRUE
dcv.new[,29]
"V"
FALSE
然而...!
在回归的情况下,我们可以让 R 为我们制作虚拟变量的矩阵,我们不需要手动完成。假设列dcv.new[, 29]
名为voterType
. 如果我们强迫它成为一个因素
dcv.new <- transform(dcv.new, voterType = factor(voterType))
当我们使用公式符号拟合模型时,我们可以这样做:
mod <- lm(response ~ voterType, data = dcv.new)
R 将创建适当的对比以voterType
使用正确的自由度。默认情况下,R 使用因子的第一水平作为基准水平,因此模型系数表示与该参考水平的偏差。要查看voterType
将其转换为因子后的参考水平是多少
with(dcv.new, levels(voterType)[1])
请注意,大多数采用公式的建模函数,如上图所示,按照我描述的方式工作,并在下面显示。您不仅限于lm()
模型。
这是一个小例子
set.seed(42)
dcv.new <- data.frame(response = rnorm(20),
voterType = sample(c("V","A","N","E","Y","P","X",NA), 20,
replace = TRUE))
head(dcv.new)
> head(dcv.new)
response voterType
1 1.3709584 E
2 -0.5646982 E
3 0.3631284 V
4 0.6328626 <NA>
5 0.4042683 E
6 -0.1061245 <NA>
然后可以将模型拟合为
mod <- lm(response ~ voterType, data = dcv.new)
summary(mod)
在这种情况下给予
> mod <- lm(response ~ voterType, data = dcv.new)
> summary(mod)
Call:
lm(formula = response ~ voterType, data = dcv.new)
Residuals:
Min 1Q Median 3Q Max
-2.8241 -0.4075 0.0000 0.5856 1.9030
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -2.656 1.425 -1.864 0.0952 .
voterTypeE 2.612 1.593 1.639 0.1356
voterTypeN 3.040 1.646 1.847 0.0978 .
voterTypeP 2.742 1.646 1.666 0.1300
voterTypeV 2.771 1.745 1.588 0.1468
voterTypeX 2.378 2.015 1.180 0.2684
voterTypeY 3.285 1.745 1.882 0.0925 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.425 on 9 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.3154, Adjusted R-squared: -0.1411
F-statistic: 0.6909 on 6 and 9 DF, p-value: 0.6635
神奇的一切都发生在公式代码中,但基本上在幕后发生的事情是,一旦 R 找到了公式中命名的所有变量,它基本上最终会调用类似
model.matrix( ~ voterType, data = dcv.new)
它生成底层矩阵代数和 QR 分解所需的协变量矩阵。上面的代码,对于这个小例子给出了:
> model.matrix(~ voterType, data = dcv.new)
(Intercept) voterTypeE voterTypeN voterTypeP voterTypeV voterTypeX
1 1 1 0 0 0 0
2 1 1 0 0 0 0
3 1 0 0 0 1 0
5 1 1 0 0 0 0
8 1 0 0 1 0 0
10 1 0 0 0 0 0
11 1 0 1 0 0 0
12 1 0 1 0 0 0
13 1 1 0 0 0 0
14 1 0 0 0 0 1
15 1 0 0 0 1 0
16 1 0 0 1 0 0
17 1 0 0 1 0 0
18 1 0 0 0 0 0
19 1 0 1 0 0 0
20 1 0 0 0 0 0
voterTypeY
1 0
2 0
3 0
5 0
8 0
10 1
11 0
12 0
13 0
14 0
15 0
16 0
17 0
18 0
19 0
20 1
attr(,"assign")
[1] 0 1 1 1 1 1 1
attr(,"contrasts")
attr(,"contrasts")$voterType
[1] "contr.treatment"
这就是您想要对代码执行的操作。所以如果你真的需要它,你可以model.matrix()
像我展示的那样使用它来生成矩阵——在你不需要它们时去掉属性。
在这种情况下,参考水平是"A"
:
> with(dcv.new, levels(voterType)[1])
[1] "A"
由(Intercept)
的输出中的列表示model.matrix
。请注意,这些处理对比代码与参考水平的偏差。-1
您可以通过添加(0r )来抑制公式中的截距来获得虚拟值+0
:
> model.matrix(~ voterType - 1, data = dcv.new)
voterTypeA voterTypeE voterTypeN voterTypeP voterTypeV voterTypeX voterTypeY
1 0 1 0 0 0 0 0
2 0 1 0 0 0 0 0
3 0 0 0 0 1 0 0
5 0 1 0 0 0 0 0
8 0 0 0 1 0 0 0
10 0 0 0 0 0 0 1
11 0 0 1 0 0 0 0
12 0 0 1 0 0 0 0
13 0 1 0 0 0 0 0
14 0 0 0 0 0 1 0
15 0 0 0 0 1 0 0
16 0 0 0 1 0 0 0
17 0 0 0 1 0 0 0
18 1 0 0 0 0 0 0
19 0 0 1 0 0 0 0
20 0 0 0 0 0 0 1
attr(,"assign")
[1] 1 1 1 1 1 1 1
attr(,"contrasts")
attr(,"contrasts")$voterType
[1] "contr.treatment"