2

我需要创建一些非正统的虚拟变量，我遇到了一些麻烦。基本上在我的数据集中，每个老师都可以教授多个课程。我正在构建一个多级数据集，因此可以存在重复的教师 ID。

以下是数据示例：

#generate data
teacher.id <- c(1:5, 1:5)
class.taught <- c("ELA", "Math", "Science", "ELA", "Math", "Science", "Math", "ELA", "ELA", "Math")

# combine into data frame
dat <- data.frame(teacher.id, class.taught)

如您所见，ID 为 1 和 3 的教师都教授 2 个不同的课程。

创建虚拟变量的传统方法产生：

# example of what I have done so far 
dat$teach.ELA <- ifelse(dat$class.taught == "ELA", 1, 0 )
dat$teach.MATH <- ifelse(dat$class.taught == "Math", 1, 0 )
dat$teach.SCIENCE <- ifelse(dat$class.taught == "Science", 1, 0 )
dat

但是，这是我希望新虚拟变量的外观：

desired.ELA <- c(1,0,1,1,0,1,0,1,1,0)
desired.MATH <- c(0,1,0,0,1,0,1,0,0,1)
desired.SCIENCE <- c(1,0,1,0,0,1,0,1,0,0)
dat.2 <- data.frame(dat, desired.ELA, desired.MATH, desired.SCIENCE)
dat.2

我的预感是我需要遍历 id 来创建这些，但过去我真的看不到实现我想要的东西的途径。

4

4 回答 4

4

这是一个基本的 R 方法。这个想法是您为每个教师创建虚拟对象，然后将它们合并到原始数据中：

# get dummies for each teacher
temp <- as.data.frame(with(dat, table(teacher.id, class.taught) > 0))
temp$teacher.id <- as.integer(row.names(temp))

# merge onto dataset
merge(dat, temp, by="teacher.id")

如果它真的困扰您，您可以将逻辑强制转换为整数，但 R 会为您完成所有这些工作。

于 2016-05-25T20:15:47.620 回答
3

您也可以使用以下方法执行此操作%in%：

dums <- function(dt, x){
  ix <- dt[, 2] %in% x
  dt[, 1] %in% unique(dt[ix, 1])
}

dums(dat, 'ELA')
dums(dat, 'Math')
dums(dat, 'Science')

这为您提供 TRUE/FALSE 而不是 0/1 向量，但as.integer如有必要，会将它们转换为 0/1。

于 2016-05-25T20:21:37.767 回答
2

只是为了好玩，使用 dplyr：

library(dplyr)
dat %>% left_join(
    dat %>%
      group_by(teacher.id) %>%
      summarize(desired.ELA = ifelse(sum(teach.ELA), 1, 0),
        desired.MATH = ifelse(sum(teach.MATH), 1, 0),
        desired.SCIENCE = ifelse(sum(teach.SCIENCE), 1, 0))
  )

输出：

   teacher.id class.taught teach.ELA teach.MATH teach.SCIENCE desired.ELA desired.MATH desired.SCIENCE
1           1          ELA         1          0             0           1            0               1
2           2         Math         0          1             0           0            1               0
3           3      Science         0          0             1           1            0               1
4           4          ELA         1          0             0           1            0               0
5           5         Math         0          1             0           0            1               0
6           1      Science         0          0             1           1            0               1
7           2         Math         0          1             0           0            1               0
8           3          ELA         1          0             0           1            0               1
9           4          ELA         1          0             0           1            0               0
10          5         Math         0          1             0           0            1               0
于 2016-05-25T20:13:19.590 回答
1

我会使用dplyrand tidyr。

library(dplyr)
library(tidyr)

dummies <- 
dat %>%
   group_by(teacher.id, class.taught) %>%
   summarise(is_taught = as.numeric(n() > 0)) %>%
   spread(class.taught, is_taught, fill = 0)

> dummies
Source: local data frame [5 x 4]

  teacher.id   ELA  Math Science
       (int) (dbl) (dbl)   (dbl)
1          1     1     0       1
2          2     0     1       0
3          3     1     0       1
4          4     1     0       0
5          5     0     1       0

然后，您可以使用连接将它们包含在原始数据中。

> inner_join(dat, dummies)
Joining by: "teacher.id"
   teacher.id class.taught ELA Math Science
1           1          ELA   1    0       1
2           2         Math   0    1       0
3           3      Science   1    0       1
4           4          ELA   1    0       0
5           5         Math   0    1       0
6           1      Science   1    0       1
7           2         Math   0    1       0
8           3          ELA   1    0       1
9           4          ELA   1    0       0
10          5         Math   0    1       0
于 2016-05-25T20:16:18.163 回答