0

我有一个来自口袋妖怪统计数据的数据集,其中包含大量数字和分类数据。我的最终目标是创建一个模型或推荐系统,用户可以输入口袋妖怪列表,模型会找到他们可能喜欢的类似口袋妖怪。目前,数据集看起来像这样:

ID   Name    Type1    Type2   HP 
001  Bulba.. Grass    Poison  45
ect...

我知道 type1/type2 指标可能有问题,是否有一个函数可以让我创建一个新的创建/修改新列,如果口袋妖怪具有特定类型,它将添加一个逻辑值(0 表示假,1 表示真)在那个新专栏里?

我为缺乏光彩的解释道歉,但我想要的是我的数据集看起来像这样:

ID   Name    Grass  Poison Water  HP 
001  Bulba..    1      1     0    45
ect...
4

1 回答 1

1

tidyr 是一个数据重塑包。在这里,我们将使用pivot_longer()将其转换为长格式,其中类型名称(Type1、Type2)将驻留在“name”列中,而值(Grass、Poison 等)将驻留在“value”列中。我们过滤掉行,is.na(value)因为这意味着口袋妖怪没有第二种类型。我们创建一个指标变量——它得到一个 1。然后每个 pokemon 将拥有indicator == 1它所拥有的类型。我们删除现在无关的“名称”列,并使用pivot_wider()将每个唯一值value转换为自己的列,该列将接收indicator' 值作为每行的单元格值。最后,我们对所有数字列进行变异以用 0 替换缺失值,因为我们知道那些 pokemon 不是那些类型。比更好的解决方案mutate_if(is.numeric, ...)将是计算类型的唯一值并使用mutate_at(vars(pokemon_types), .... 这不会无意中影响其他数字列。

library(tidyr)
library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
pokemon <- tibble(ID = c(1,2), Name = c("Bulbasaur", "Squirtle"),
                  Type1 = c("Grass", "Water"), 
                  Type2 = c("Poison", NA),
                  HP = c(40, 50))

pokemon %>% pivot_longer(
  starts_with("Type")
) %>% 
  filter(!is.na(value)) %>% 
  mutate(indicator = 1) %>% 
  select(-name) %>% 
  pivot_wider(names_from = value, values_from = indicator,
              ) %>% 

  mutate_if(is.numeric, .funs = function(x) if_else(is.na(x), 0, x))
#> # A tibble: 2 x 6
#>      ID Name         HP Grass Poison Water
#>   <dbl> <chr>     <dbl> <dbl>  <dbl> <dbl>
#> 1     1 Bulbasaur    40     1      1     0
#> 2     2 Squirtle     50     0      0     1
于 2019-11-09T17:58:53.807 回答