R 如何使用指标变量或虚拟变量作为因子变量?
我有一列是每个家庭的收入,我想使用一个指标,以便在我的分析中使用它。如果收入大于35000美元,我希望它为1,否则为0R 如何使用指标变量或虚拟变量作为因子变量?,r,dataframe,R,Dataframe,我有一列是每个家庭的收入,我想使用一个指标,以便在我的分析中使用它。如果收入大于35000美元,我希望它为1,否则为0 Household INCOM 1 (5) $50,000 - $74,999 2 (3) $25,000 - $34,99 3 (4) $35,000 - $49,999 所以指示符变量必须是 IND 1 0 1 我使用了
Household INCOM
1 (5) $50,000 - $74,999
2 (3) $25,000 - $34,99
3 (4) $35,000 - $49,999
所以指示符变量必须是
IND
1
0
1
我使用了以下方法,但当然不起作用,因为INCOM不是数字:
df %>% mutate(`income` = 1* (INCOM >= 35000), )
一种基本的R方法可能是
df$Ind <- as.integer(sapply(strsplit(sub(".*\\$(\\d+).*\\$(\\d+).*", "\\1-\\2",
gsub(",", "", df$INCOM)), "-"), function(x) any(as.numeric(x) > 35000)))
df
# Household INCOM Ind
#1 1 (5) $50,000 - $74,999 1
#2 2 (3) $25,000 - $34,99 0
#3 3 (4) $35,000 - $49,999 1
然后使用sub提取后面的两个数字$
然后我们在-
然后使用sapply将这些数字转换为数字,并检查是否有任何数字大于35000,并相应地给出1/0值。我们可以使用gsubfn获得二进制格式。我们从“INCOM”中删除$,使用gsub,捕获gsubfn中的数字,将其转换为数字,与35000进行比较,并提取二进制数
library(gsubfn)
df1$ind <- as.integer(sub(".* ", "", gsubfn("(\\d+) - (\\d+)",
~ +(any(as.numeric(c(x, y)) > 35000)), gsub("[$,]", "", df1$INCOM))))
df1$ind
#[1] 1 0 1
或者另一种选择是
str_remove_all(df1$INCOM, ",") %>%
str_extract_all("(?<=[$])([0-9]+)") %>%
map_int(~ +(any(as.numeric(.x) > 35000)))
#[1] 1 0 1
数据
strsplit(sub(".*\\$(\\d+).*\\$(\\d+).*", "\\1-\\2", gsub(",", "", df$INCOM)), "-")
#[[1]]
#[1] "50000" "74999"
#[[2]]
#[1] "25000" "3499"
#[[3]]
#[1] "35000" "49999"
library(gsubfn)
df1$ind <- as.integer(sub(".* ", "", gsubfn("(\\d+) - (\\d+)",
~ +(any(as.numeric(c(x, y)) > 35000)), gsub("[$,]", "", df1$INCOM))))
df1$ind
#[1] 1 0 1
library(tidyverse)
library(readr)
df1 %>%
extract(INCOM, into = c("col1", "col2"), remove = FALSE,
".*\\$(\\d+,\\d+) - \\$(\\d+,\\d+)") %>%
mutate_at(vars(starts_with('col')), parse_number) %>%
mutate(Ind = as.integer(col1 > 35000 | col2 > 35000)) %>%
select(-col1, -col2)
# Household INCOM Ind
#1 1 (5) $50,000 - $74,999 1
#2 2 (3) $25,000 - $34,99 0
#3 3 (4) $35,000 - $49,999 1
str_remove_all(df1$INCOM, ",") %>%
str_extract_all("(?<=[$])([0-9]+)") %>%
map_int(~ +(any(as.numeric(.x) > 35000)))
#[1] 1 0 1
df1 <- structure(list(Household = 1:3, INCOM = c("(5) $50,000 - $74,999",
"(3) $25,000 - $34,99", "(4) $35,000 - $49,999")), class = "data.frame",
row.names = c(NA,
-3L))