Fatal编程技术网
  • r/
  • 在R中的dataframe列上定义函数时出错

在R中的dataframe列上定义函数时出错

r dataframe

在R中的dataframe列上定义函数时出错,r,dataframe,dplyr,pca,categorical-data,R,Dataframe,Dplyr,Pca,Categorical Data,我有一个数据框架，称之为a，其中列是问题1、问题2、问题3等等，行由回答问题的人、人1、人2等索引。这些问题有多种选择答案，长度不一。例如，问题50可能有9个可能的答案（每个人只能选择一个答案）。例如，问题50栏中的条目是从1到9的数字 为了对这个数据集进行PCA，我需要将这些列转换为二进制形式。例如，问题50列将被转换成9个不同的列：Q501、Q502、Q503……Q509。然后，如果K对问题50回答i，则Q50i，K行，将为1，否则为0。换句话说，我将我的列作为指示向量，由哪个人给出响应 我

我有一个数据框架，称之为a，其中列是问题1、问题2、问题3等等，行由回答问题的人、人1、人2等索引。这些问题有多种选择答案，长度不一。例如，问题50可能有9个可能的答案（每个人只能选择一个答案）。例如，问题50栏中的条目是从1到9的数字

为了对这个数据集进行PCA，我需要将这些列转换为二进制形式。例如，问题50列将被转换成9个不同的列：Q501、Q502、Q503……Q509。然后，如果K对问题50回答i，则Q50i，K行，将为1，否则为0。换句话说，我将我的列作为指示向量，由哪个人给出响应

我想写一个函数，将一列作为输入，并对我的数据集进行二进制编码。我可以对特定的一列执行此操作，但是当我尝试将相同的语法转换为一个函数（以便我可以将该函数应用于一系列列）时，R似乎无法计算我的变量。因为我有122列要转换，所以确实需要一个函数

以下是对特定列（本例中为50）起作用的内容：

以下是一个例子：

A是以下数据帧

   ID Q050
1   1    4
2   2    4
3   3    4
4   4    7
5   5    8
6   6    8
7   7    7
8   8    4
9   9    7
10 10    7
现在，我应用有效的方法：

for (i in 1:max(A["Q050"])) {
  A[paste0("Q050",i)] <- ifelse( A["Q050"]==i,1,0)
}
这很好，但是如果我将我以前的函数二值化，我只会得到与上面提到的相同的错误

我的问题是，我的函数binarize有什么问题。这对我来说是最好的方式吗？谢谢大家!

您可以尝试（对于使用
base R
的多列）

set.seed（45）

dat1“重塑2”软件包的“dcast”功能在这里可能有用：


> dd = data.frame(ID=letters[1:10], Q050=sample(1:10, 10))
> dd
   ID Q050
1   a    5
2   b    2
3   c    9
4   d    8
5   e    1
6   f    7
7   g    4
8   h    3
9   i   10
10  j    6
> 
> library(reshape2)
> dcast(dd, ID~Q050)
Using Q050 as value column: use value.var to override.
   ID  1  2  3  4  5  6  7  8  9 10
1   a NA NA NA NA  5 NA NA NA NA NA
2   b NA  2 NA NA NA NA NA NA NA NA
3   c NA NA NA NA NA NA NA NA  9 NA
4   d NA NA NA NA NA NA NA  8 NA NA
5   e  1 NA NA NA NA NA NA NA NA NA
6   f NA NA NA NA NA NA  7 NA NA NA
7   g NA NA NA  4 NA NA NA NA NA NA
8   h NA NA  3 NA NA NA NA NA NA NA
9   i NA NA NA NA NA NA NA NA NA 10
10  j NA NA NA NA NA  6 NA NA NA NA
> 


将二进制的所有正值转换为1：


> outdf[outdf>0]=1
Warning message:
In Ops.factor(left, right) : > not meaningful for factors
> outdf
   ID  1  2  3  4  5  6  7  8  9 10
1   a NA NA NA NA  1 NA NA NA NA NA
2   b NA  1 NA NA NA NA NA NA NA NA
3   c NA NA NA NA NA NA NA NA  1 NA
4   d NA NA NA NA NA NA NA  1 NA NA
5   e  1 NA NA NA NA NA NA NA NA NA
6   f NA NA NA NA NA NA  1 NA NA NA
7   g NA NA NA  1 NA NA NA NA NA NA
8   h NA NA  1 NA NA NA NA NA NA NA
9   i NA NA NA NA NA NA NA NA NA  1
10  j NA NA NA NA NA  1 NA NA NA NA


如果需要，将所有NA转换为0：


> outdf[is.na(outdf)]=0
> outdf
   ID 1 2 3 4 5 6 7 8 9 10
1   a 0 0 0 0 1 0 0 0 0  0
2   b 0 1 0 0 0 0 0 0 0  0
3   c 0 0 0 0 0 0 0 0 1  0
4   d 0 0 0 0 0 0 0 1 0  0
5   e 1 0 0 0 0 0 0 0 0  0
6   f 0 0 0 0 0 0 1 0 0  0
7   g 0 0 0 1 0 0 0 0 0  0
8   h 0 0 1 0 0 0 0 0 0  0
9   i 0 0 0 0 0 0 0 0 0  1
10  j 0 0 0 0 0 1 0 0 0  0


对于多列：


> dd = data.frame(ID=letters[1:15], Q050=sample(1:10, 15, replace=T), Q010=sample(1:10, 15, replace=T), Q020=sample(1:10, 15, replace=T))


使用重塑2的“熔化”获得长形：


> library(reshape2)
> mm = melt(dd, id='ID')
> head(mm)
  ID variable value
1  a     Q050     2
2  b     Q050     2
3  c     Q050     8
4  d     Q050     1
5  e     Q050     3
6  f     Q050     4


将此长表单拆分为带有不同问题的数据框：


> ll =split(mm, mm$variable)
> ll
$Q050
   ID variable value
1   a     Q050     2
2   b     Q050     2
3   c     Q050     8
4   d     Q050     1
5   e     Q050     3
6   f     Q050     4
7   g     Q050     8
8   h     Q050     5
9   i     Q050     4
10  j     Q050     1
11  k     Q050     5
12  l     Q050     4
13  m     Q050    10
14  n     Q050     2
15  o     Q050     2

$Q010
   ID variable value
16  a     Q010    10
17  b     Q010     6
18  c     Q010     6
19  d     Q010     6
20  e     Q010     2
21  f     Q010     2
22  g     Q010     6
23  h     Q010     4
24  i     Q010    10
25  j     Q010     4
26  k     Q010     9
27  l     Q010     8
28  m     Q010     7
29  n     Q010    10
30  o     Q010     6

$Q020
   ID variable value
31  a     Q020     7
32  b     Q020     7
33  c     Q020     9
34  d     Q020    10
35  e     Q020     6
36  f     Q020     6
37  g     Q020     2
38  h     Q020     4
39  i     Q020     7
40  j     Q020     1
41  k     Q020     4
42  l     Q020     4
43  m     Q020     5
44  n     Q020     8
45  o     Q020     5


使用“sapply”功能对每个数据帧/问题执行“dcast”：


sapply(ll, function(x) dcast(x, ID~value))

> sapply(ll, function(x) dcast(x, ID~value))
$Q050
   ID  1  2  3  4  5  8 10
1   a NA  2 NA NA NA NA NA
2   b NA  2 NA NA NA NA NA
3   c NA NA NA NA NA  8 NA
4   d  1 NA NA NA NA NA NA
5   e NA NA  3 NA NA NA NA
6   f NA NA NA  4 NA NA NA
7   g NA NA NA NA NA  8 NA
8   h NA NA NA NA  5 NA NA
9   i NA NA NA  4 NA NA NA
10  j  1 NA NA NA NA NA NA
11  k NA NA NA NA  5 NA NA
12  l NA NA NA  4 NA NA NA
13  m NA NA NA NA NA NA 10
14  n NA  2 NA NA NA NA NA
15  o NA  2 NA NA NA NA NA

$Q010
   ID  2  4  6  7  8  9 10
1   a NA NA NA NA NA NA 10
2   b NA NA  6 NA NA NA NA
3   c NA NA  6 NA NA NA NA
4   d NA NA  6 NA NA NA NA
5   e  2 NA NA NA NA NA NA
6   f  2 NA NA NA NA NA NA
7   g NA NA  6 NA NA NA NA
8   h NA  4 NA NA NA NA NA
9   i NA NA NA NA NA NA 10
10  j NA  4 NA NA NA NA NA
11  k NA NA NA NA NA  9 NA
12  l NA NA NA NA  8 NA NA
13  m NA NA NA  7 NA NA NA
14  n NA NA NA NA NA NA 10
15  o NA NA  6 NA NA NA NA

$Q020
   ID  1  2  4  5  6  7  8  9 10
1   a NA NA NA NA NA  7 NA NA NA
2   b NA NA NA NA NA  7 NA NA NA
3   c NA NA NA NA NA NA NA  9 NA
4   d NA NA NA NA NA NA NA NA 10
5   e NA NA NA NA  6 NA NA NA NA
6   f NA NA NA NA  6 NA NA NA NA
7   g NA  2 NA NA NA NA NA NA NA
8   h NA NA  4 NA NA NA NA NA NA
9   i NA NA NA NA NA  7 NA NA NA
10  j  1 NA NA NA NA NA NA NA NA
11  k NA NA  4 NA NA NA NA NA NA
12  l NA NA  4 NA NA NA NA NA NA
13  m NA NA NA  5 NA NA NA NA NA
14  n NA NA NA NA NA NA  8 NA NA
15  o NA NA NA  5 NA NA NA NA NA



对每个步骤进行解释，并使用参数避免调用额外的方法

1） 使用grep从df中开始的列名中获取所有项目，因此使用“^”和Q.

我们传递参数value=TRUE，以便获得准确的列名，而不是它们的索引


   questions.labels <- grep("^Q", colnames(df), value=TRUE)



questions.label会让你遇到问题。添加一些示例输入和所需输出。你肯定在
max（A[“column]”）
方面有问题，我想你的意思是
max（A[[column]”）
，但是如果没有测试数据，就很难验证。请参阅
？model.matrix
谢谢！还有一个问题，我想在最后有一个数据帧，包含所有这些列，而不是连接所有的lst条目，有没有一种方法可以使用原始函数实现这一点？谢谢！如何一次对多个列执行此操作，并最终获得一个数据帧。我需要这样做大约100列。

> outdf[is.na(outdf)]=0
> outdf
   ID 1 2 3 4 5 6 7 8 9 10
1   a 0 0 0 0 1 0 0 0 0  0
2   b 0 1 0 0 0 0 0 0 0  0
3   c 0 0 0 0 0 0 0 0 1  0
4   d 0 0 0 0 0 0 0 1 0  0
5   e 1 0 0 0 0 0 0 0 0  0
6   f 0 0 0 0 0 0 1 0 0  0
7   g 0 0 0 1 0 0 0 0 0  0
8   h 0 0 1 0 0 0 0 0 0  0
9   i 0 0 0 0 0 0 0 0 0  1
10  j 0 0 0 0 0 1 0 0 0  0



> dd = data.frame(ID=letters[1:15], Q050=sample(1:10, 15, replace=T), Q010=sample(1:10, 15, replace=T), Q020=sample(1:10, 15, replace=T))



> library(reshape2)
> mm = melt(dd, id='ID')
> head(mm)
  ID variable value
1  a     Q050     2
2  b     Q050     2
3  c     Q050     8
4  d     Q050     1
5  e     Q050     3
6  f     Q050     4



> ll =split(mm, mm$variable)
> ll
$Q050
   ID variable value
1   a     Q050     2
2   b     Q050     2
3   c     Q050     8
4   d     Q050     1
5   e     Q050     3
6   f     Q050     4
7   g     Q050     8
8   h     Q050     5
9   i     Q050     4
10  j     Q050     1
11  k     Q050     5
12  l     Q050     4
13  m     Q050    10
14  n     Q050     2
15  o     Q050     2

$Q010
   ID variable value
16  a     Q010    10
17  b     Q010     6
18  c     Q010     6
19  d     Q010     6
20  e     Q010     2
21  f     Q010     2
22  g     Q010     6
23  h     Q010     4
24  i     Q010    10
25  j     Q010     4
26  k     Q010     9
27  l     Q010     8
28  m     Q010     7
29  n     Q010    10
30  o     Q010     6

$Q020
   ID variable value
31  a     Q020     7
32  b     Q020     7
33  c     Q020     9
34  d     Q020    10
35  e     Q020     6
36  f     Q020     6
37  g     Q020     2
38  h     Q020     4
39  i     Q020     7
40  j     Q020     1
41  k     Q020     4
42  l     Q020     4
43  m     Q020     5
44  n     Q020     8
45  o     Q020     5



sapply(ll, function(x) dcast(x, ID~value))

> sapply(ll, function(x) dcast(x, ID~value))
$Q050
   ID  1  2  3  4  5  8 10
1   a NA  2 NA NA NA NA NA
2   b NA  2 NA NA NA NA NA
3   c NA NA NA NA NA  8 NA
4   d  1 NA NA NA NA NA NA
5   e NA NA  3 NA NA NA NA
6   f NA NA NA  4 NA NA NA
7   g NA NA NA NA NA  8 NA
8   h NA NA NA NA  5 NA NA
9   i NA NA NA  4 NA NA NA
10  j  1 NA NA NA NA NA NA
11  k NA NA NA NA  5 NA NA
12  l NA NA NA  4 NA NA NA
13  m NA NA NA NA NA NA 10
14  n NA  2 NA NA NA NA NA
15  o NA  2 NA NA NA NA NA

$Q010
   ID  2  4  6  7  8  9 10
1   a NA NA NA NA NA NA 10
2   b NA NA  6 NA NA NA NA
3   c NA NA  6 NA NA NA NA
4   d NA NA  6 NA NA NA NA
5   e  2 NA NA NA NA NA NA
6   f  2 NA NA NA NA NA NA
7   g NA NA  6 NA NA NA NA
8   h NA  4 NA NA NA NA NA
9   i NA NA NA NA NA NA 10
10  j NA  4 NA NA NA NA NA
11  k NA NA NA NA NA  9 NA
12  l NA NA NA NA  8 NA NA
13  m NA NA NA  7 NA NA NA
14  n NA NA NA NA NA NA 10
15  o NA NA  6 NA NA NA NA

$Q020
   ID  1  2  4  5  6  7  8  9 10
1   a NA NA NA NA NA  7 NA NA NA
2   b NA NA NA NA NA  7 NA NA NA
3   c NA NA NA NA NA NA NA  9 NA
4   d NA NA NA NA NA NA NA NA 10
5   e NA NA NA NA  6 NA NA NA NA
6   f NA NA NA NA  6 NA NA NA NA
7   g NA  2 NA NA NA NA NA NA NA
8   h NA NA  4 NA NA NA NA NA NA
9   i NA NA NA NA NA  7 NA NA NA
10  j  1 NA NA NA NA NA NA NA NA
11  k NA NA  4 NA NA NA NA NA NA
12  l NA NA  4 NA NA NA NA NA NA
13  m NA NA NA  5 NA NA NA NA NA
14  n NA NA NA NA NA NA  8 NA NA
15  o NA NA NA  5 NA NA NA NA NA



   questions.labels <- grep("^Q", colnames(df), value=TRUE)



library("reshape2")
    df.melt <- melt(df, 
                    id='ID', 
                    measure.vars=questions.labels)



    df.split <- split(df.melt, df.melt$variable)



    df.bin <- sapply(df.split, function(x) dcast(x, ID~value, function(x) 1, fill=0))