[英]how I can use indicator or dummy variable for a factor variable?
我有一列是每个家庭的收入,我想使用一个指标以便在分析中使用它。 如果收入大于35000 $,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 - $49,999
所以指标变量必须是
IND
1
0
1
我使用了以下内容,但是由于INCOM不是数字,所以它当然不起作用:
df %>% mutate(`income` = 1* (INCOM >= 35000), )
一种基本的R方法可能是
df$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 - $49,999 1
我试图一口气做所有事情,让我一一解释所有命令
使用gsub
我们删除INCOM
存在的所有逗号
gsub(",", "", df$INCOM)
#[1] "(5) $50000 - $74999" "(3) $25000 - $3499" "(4) $35000 - $49999"
然后使用sub
提取$
之后的两个数字
sub(".*\\$(\\d+).*\\$(\\d+).*", "\\1-\\2", gsub(",", "", df$INCOM))
#[1] "50000-74999" "25000-3499" "35000-49999"
然后,我们将字符串分割为-
strsplit(sub(".*\\$(\\d+).*\\$(\\d+).*", "\\1-\\2", gsub(",", "", df$INCOM)), "-")
#[[1]]
#[1] "50000" "74999"
#[[2]]
#[1] "25000" "3499"
#[[3]]
#[1] "35000" "49999"
然后使用sapply
将这些数字转换为数字,并检查数字中的任何一个是否大于35000,并相应地提供1/0值。
我们可以使用gsubfn
来获取二进制格式。 我们从“ INCOM”中删除带有gsub
的$,
捕获gsubfn
的数字,将其转换为numeric
,与35000进行比较并提取二进制数字
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
或带有tidyverse
的选项
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 - $49,999 1
或另一个选择是
str_remove_all(df1$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))
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.