堆栈内存溢出
  繁体   English   中英

使用R在数据集本身中为列分配值

[英]Assign column with value in the dataset itself using R

 原文  2016-07-28 02:16:21  5   5    r

问题描述

我对R很陌生。我有一列数据，其中包含大约26000个数据，该列包含大约1200个唯一数据。 让我们假设该列的名称为“ Breed”。

我需要的是

  1. 我需要获取列中每个唯一值的频率。

    我提取了BreedType和频率，如下所示。 （品种列的名称为BreedType）

  2. 然后，如果每个BreedType的频率小于50，则使用if条件，我需要使用'F'创建一个新列，如果大于50，则需要为该列分配'Breedtype'的值。

这是我尝试过的。 

x<- sort(table(full$Breed),decreasing=T)
w=as.data.frame(x)

names(w)[1] = 'BreedType'

w$TrueFalse<-ifelse(w$Freq<50,F,w$BreedType)
w$TrueFalse

但是给出的输出不是我期望的。 尽管F正确分配了每一列，但w $ BreedType不会获得BreedType的值，而是将整数加1而不是给出特定的BreedType的整数。

有人可以解释一下为什么输出不如预期吗。

“品种列”在数据集中看起来像下面，具有20,000行和1200个唯一值。 

 Breed

 Shetland Sheepdog Mix
 Domestic Shorthair Mix
 Pit Bull Mix
 Domestic Shorthair Mix
 Lhasa Apso/Miniature Poodle
 Cairn Terrier/Chihuahua Shorthair
 Domestic Shorthair Mix
 Domestic Shorthair Mix
 American Pit Bull Terrier Mix
 Cairn Terrier
 Domestic Shorthair Mix
 Miniature Schnauzer Mix
 Pit Bull Mix
 Yorkshire Terrier Mix
 Great Pyrenees Mix
 Domestic Shorthair Mix
 Domestic Shorthair Mix
 Pit Bull Mix
 Angora Mix
 Flat Coat Retriever Mix
 Queensland Heeler Mix
 Domestic Shorthair Mix
 Plott Hound/Boxer

我的预期结果是 

BreedType                   Frequency   TrueFalse

Shetland Sheepdog Mix       60          Shetland Sheepdog Mix  
Domestic Shorthair Mix      20          F
Pit Bull Mix                80          Pit Bull Mix
Domestic Shorthair Mix      10          F

5 个解决方案

解决方案1
 2 已采纳  2016-07-28 02:50:33

原始数据- full数据帧： 

> full
#                      Breed
# 1:             Shetland Sheepdog Mix
# 2:            Domestic Shorthair Mix
# 3:                      Pit Bull Mix
# 4:            Domestic Shorthair Mix
# 5:       Lhasa Apso/Miniature Poodle
# 6: Cairn Terrier/Chihuahua Shorthair
# 7:            Domestic Shorthair Mix
# 8:            Domestic Shorthair Mix
# 9:     American Pit Bull Terrier Mix
# 10:                     Cairn Terrier
# 11:            Domestic Shorthair Mix
# 12:           Miniature Schnauzer Mix
# 13:                      Pit Bull Mix
# 14:             Yorkshire Terrier Mix
# 15:                Great Pyrenees Mix
# 16:            Domestic Shorthair Mix
# 17:            Domestic Shorthair Mix
# 18:                      Pit Bull Mix
# 19:                        Angora Mix
# 20:           Flat Coat Retriever Mix
# 21:             Queensland Heeler Mix
# 22:            Domestic Shorthair Mix
# 23:                 Plott Hound/Boxer
# Breed

在工作区中加载data.table库 

library("data.table")

通过引用将full数据帧转换为数据表 

setDT(full)

将full复制到dt1 。 这样做是为了备份full数据表 

dt1 <- copy(full)

通过BreedType（品种列）对dt1进行分组，然后访问.N内部变量，该变量存储每个子集中的条目数，并对其进行ifelse条件。 然后将其另存为Frequency和TrueFalse列变量。 

dt1[, c("Frequency", "TrueFalse") := .(.N, ifelse(.N < 50, FALSE, Breed)), by = Breed]

在上述步骤之后显示dt1 

> dt1
#                          Breed          Frequency TrueFalse
# 1:             Shetland Sheepdog Mix         1     FALSE
# 2:            Domestic Shorthair Mix         8     FALSE
# 3:                      Pit Bull Mix         3     FALSE
# 4:            Domestic Shorthair Mix         8     FALSE
# 5:       Lhasa Apso/Miniature Poodle         1     FALSE
# 6: Cairn Terrier/Chihuahua Shorthair         1     FALSE
# 7:            Domestic Shorthair Mix         8     FALSE
# 8:            Domestic Shorthair Mix         8     FALSE
# 9:     American Pit Bull Terrier Mix         1     FALSE
# 10:                     Cairn Terrier         1     FALSE
# 11:            Domestic Shorthair Mix         8     FALSE
# 12:           Miniature Schnauzer Mix         1     FALSE
# 13:                      Pit Bull Mix         3     FALSE
# 14:             Yorkshire Terrier Mix         1     FALSE
# 15:                Great Pyrenees Mix         1     FALSE
# 16:            Domestic Shorthair Mix         8     FALSE
# 17:            Domestic Shorthair Mix         8     FALSE
# 18:                      Pit Bull Mix         3     FALSE
# 19:                        Angora Mix         1     FALSE
# 20:           Flat Coat Retriever Mix         1     FALSE
# 21:             Queensland Heeler Mix         1     FALSE
# 22:            Domestic Shorthair Mix         8     FALSE
# 23:                 Plott Hound/Boxer         1     FALSE
# Breed Frequency TrueFalse

您提供的数据的繁殖类型频率不超过50。如果您有一个，则将根据ifelse语句添加繁殖类型，而不是FALSE。

解决方案2
 2  2016-07-28 02:59:55

假设您已经实现了每个BreedType的频率实现。 这类似于@Sathish，但是使用data.frame而不是data.table 

testData <- data.frame(BreedType = c("Shetland Sheepdog Mix", "Domestic Shorthair Mix", "Pit Bull Mix", "Domestic Shorthair Mix"),
                   Frequency = c(60, 20, 80, 10), stringsAsFactors = F)
testData$TrueFalse <- testData$BreedType
testData$TrueFalse[testData$Frequency < 50] <- F

输出与您所拥有的相同。 但是，“ FALSE”将转换为字符串（而不是布尔值），因为该列已初始化为字符向量。 我不确定您是否可以混合使用布尔值和字符串。

解决方案3
 2  2016-07-28 03:00:41

您可以使用plyr包中的count功能。 我已经使用您所提供的数据演示了一个示例。 

> library(plyr)

> df <- read.table(text = "Shetland Sheepdog Mix
  Domestic Shorthair Mix
  Pit Bull Mix
  Domestic Shorthair Mix
  Lhasa Apso/Miniature Poodle
  Cairn Terrier/Chihuahua Shorthair
  Domestic Shorthair Mix
  Domestic Shorthair Mix
  American Pit Bull Terrier Mix
  Cairn Terrier
  Domestic Shorthair Mix
  Miniature Schnauzer Mix
  Pit Bull Mix
  Yorkshire Terrier Mix
  Great Pyrenees Mix
  Domestic Shorthair Mix
  Domestic Shorthair Mix
  Pit Bull Mix
  Angora Mix
  Flat Coat Retriever Mix
  Queensland Heeler Mix
  Domestic Shorthair Mix
  Plott Hound/Boxer", sep='\n', stringsAsFactors = F, col.names = c('Breed'))

使用plyr::count函数。 

> df <- count(df, 'Breed')

> df 

##                                 Breed freq
## 1       American Pit Bull Terrier Mix    1
## 2                          Angora Mix    1
## 3                       Cairn Terrier    1
## 4   Cairn Terrier/Chihuahua Shorthair    1
## 5              Domestic Shorthair Mix    8
## 6             Flat Coat Retriever Mix    1
## ...
## ...


> df$TrueFalse <- ifelse(df$freq >= 3, df$Breed, F)

> df

                                        Breed freq                    TrueFalse
## 1            American Pit Bull Terrier Mix    1                        FALSE
## 2                               Angora Mix    1                        FALSE
## 3                            Cairn Terrier    1                        FALSE
## 4        Cairn Terrier/Chihuahua Shorthair    1                        FALSE
## 5                   Domestic Shorthair Mix    8       Domestic Shorthair Mix
## 6                  Flat Coat Retriever Mix    1                        FALSE

解决方案4
 0  2016-07-28 04:16:39

好吧，您也可以使用base R table来获取频率 

new_df <- data.frame(table(df$Breed))
#                            Var1              Freq
#1        American Pit Bull Terrier Mix    1
#2                           Angora Mix    1
#3                        Cairn Terrier    1
#4    Cairn Terrier/Chihuahua Shorthair    1
#5               Domestic Shorthair Mix    8
#6              Flat Coat Retriever Mix    1
#7                   Great Pyrenees Mix    1
#8          Lhasa Apso/Miniature Poodle    1
#9              Miniature Schnauzer Mix    1
#10                        Pit Bull Mix    3
#11                   Plott Hound/Boxer    1
#12               Queensland Heeler Mix    1
#13               Shetland Sheepdog Mix    1
#14               Yorkshire Terrier Mix    1

然后使用ifelse获取TrueFalse列的值 

new_df$TrueFalse <- ifelse(new_df$Freq > 2, as.character(new_df$Var1), "F")

#                                 Var1  Freq                TrueFalse
#1        American Pit Bull Terrier Mix    1                        F
#2                           Angora Mix    1                        F
#3                        Cairn Terrier    1                        F
#4    Cairn Terrier/Chihuahua Shorthair    1                        F
#5               Domestic Shorthair Mix    8   Domestic Shorthair Mix
#6              Flat Coat Retriever Mix    1                        F
#7                   Great Pyrenees Mix    1                        F
#8          Lhasa Apso/Miniature Poodle    1                        F
#9              Miniature Schnauzer Mix    1                        F
#10                        Pit Bull Mix    3             Pit Bull Mix
#11                   Plott Hound/Boxer    1                        F
#12               Queensland Heeler Mix    1                        F
#13               Shetland Sheepdog Mix    1                        F
#14               Yorkshire Terrier Mix    1                        F

解决方案5
 0  2016-07-28 04:28:08

如果我们需要汇总输出，则 

library(data.table)
setDT(df)[, .(Frequency = .N, TrueFalse = .N > 55), by = Breed]

暂无
暂无

声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

相关问题 获取列名称，并使用r将其指定为数据框中未列出列的值 按组 R 在列中分配值 r 中的数据表，将值分配给不使用其名称的特定列 如果指定值与使用 R 的行相对应，如何将宽数据集中的列名作为长数据集中的行 R：为大型数据集编号级别并分配给新列 R使用其他数据集中的值重命名列 R 调用 package 本身中的数据集 将值分配给R中两个列值的组合 R：ifelse 语句为另一列赋值 根据R中的两列分配特定值
相关标签
 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM