将新列添加到一个 Dataframe 基于另一个 R 中的条件的值和函数

Question

对你来说是一个棘手的问题。 我有两个数据框，一个是奇数比率列表（跳过第一个，因为它是我们的预测器）。 见下文：

变量的名称	赔率
变量2	0.87
变量 3	1.42
变量4	2.10
变量5	0.56
变量6	1.01

第二个是主题列表，变量作为列，它是否以二进制标志(0/1)的形式出现。 见下文：

主题名称	Var 1（预测器）	变量 2	变量 3	变量 4	变量 5	变量 6
狗	1	0	1	0	0	1
猫	1	0	0	0	1	1
大象	0	0	0	0	0	0
熊	1	0	0	1	1	1
豺狼	0	0	0	0	0	1

我现在需要做的是通过它们的优势比添加x个新变量（如果存在）。 例如。 Dog有 2 个当前预测变量。 Var 3和Var 6所以我们想要Var3=1.42 * Var6=1.01 = 1.43 将其他的留空。 对于Jackal ，我们在Var 6=1.01中有一个预测变量，其他变量留空。 将这些作为单个变量添加，并且它们的总乘法是首选。

变量的数量可能从五个、六个或七个变化，因此为 function 指定名称将不起作用。 它需要基于初始变量的数量（预测变量为-1）。

到目前为止，我已经尝试编写一个复杂的ifelse语句，但它不适用于动态范围。 在匹配名称中添加前缀/后缀的内容？ 还是通过 position？ 我真的很难以最有效的方式做到这一点。 希望很清楚，如果需要/要求，很乐意提供更多详细信息。

Answer 1

让我们假设您的第一个数据框称为odds_df ，而您的第二个数据框称为presence_df 。 我已从您的问题中获取数据，并在此答案的底部制作了可重复的版本。

由于您的存在/不存在数据框中可能有不同数量的代表变量的列，您将需要某种方法来确定您尝试将哪些列与您的赔率数据匹配。 在您的示例数据中，这可能是根据变量名称，使用字符串匹配：

var_cols <- grep("^Var\\d+$", names(presence_df))

或者只是根据您知道哪些列是感兴趣的列：

var_cols <- 3:7

或者，如果前两列始终是名称和因变量，那么更通用的解决方案是：

var_cols <- 3:ncol(presence_df)

在这种情况下，这三种生成var_cols的方法中的任何一种都会为您提供向量c(3, 4, 5, 6, 7) 。

您现在需要知道哪些赔率适用于哪些列，因此我们将存在/缺席数据框的列与赔率数据框中的正确行match ，如下所示：

var_rows <- match(names(presence_df)[var_cols], odds_df$`Variable Name`)

现在我们在 position 中获取我们需要应用于列的赔率向量：

odds_vec <- odds_df$Odds[var_rows]

为了获得应该适用于每个条目的正确赔率（给定存在或不存在），我们需要记住，由于赔率是乘法的，因此任何不存在的变量都应该被赋予值 1，而不是 0，这样它就不会影响赔率计算. 这意味着我们应该将存在/缺席数据的每一行乘以对数赔率，并对结果取幂以获得实际赔率。

我们可以使用apply逐行执行此操作：

res <- t(apply(presence_df[var_cols], 1, function(x) exp(x * log(odds_vec))))

res
#>      Var2 Var3 Var4 Var5 Var6
#> [1,]    1 1.42  1.0 1.00 1.01
#> [2,]    1 1.00  1.0 0.56 1.01
#> [3,]    1 1.00  1.0 1.00 1.00
#> [4,]    1 1.00  2.1 0.56 1.01
#> [5,]    1 1.00  1.0 1.00 1.01

现在我们可以将它写回到我们的存在/不存在数据框中，如下所示：

presence_df[var_cols] <- res

presence_df
#>   Subject Name Var 1 (Predictor) Var2 Var3 Var4 Var5 Var6
#> 1          Dog                 1    1 1.42  1.0 1.00 1.01
#> 2          Cat                 1    1 1.00  1.0 0.56 1.01
#> 3     Elephant                 0    1 1.00  1.0 1.00 1.00
#> 4         Bear                 1    1 1.00  2.1 0.56 1.01
#> 5       Jackal                 0    1 1.00  1.0 1.00 1.01

最后一步是计算存在或不存在变量所隐含的几率，这只是这些几率的逐行乘积：

presence_df$odds <- apply(presence_df[var_cols], 1, prod)

presence_df
#>   Subject Name Var 1 (Predictor) Var2 Var3 Var4 Var5 Var6    odds
#> 1          Dog                 1    1 1.42  1.0 1.00 1.01 1.43420
#> 2          Cat                 1    1 1.00  1.0 0.56 1.01 0.56560
#> 3     Elephant                 0    1 1.00  1.0 1.00 1.00 1.00000
#> 4         Bear                 1    1 1.00  2.1 0.56 1.01 1.18776
#> 5       Jackal                 0    1 1.00  1.0 1.00 1.01 1.01000

将几率转换为概率也可能会有所帮助，这样我们就可以在给定预测变量的情况下看到因变量存在的概率：

presence_df$prob <- presence_df$odds / (1 + presence_df$odds)

presence_df
#>   Subject Name Var 1 (Predictor) Var2 Var3 Var4 Var5 Var6    odds      prob
#> 1          Dog                 1    1 1.42  1.0 1.00 1.01 1.43420 0.5891874
#> 2          Cat                 1    1 1.00  1.0 0.56 1.01 0.56560 0.3612672
#> 3     Elephant                 0    1 1.00  1.0 1.00 1.00 1.00000 0.5000000
#> 4         Bear                 1    1 1.00  2.1 0.56 1.01 1.18776 0.5429115
#> 5       Jackal                 0    1 1.00  1.0 1.00 1.01 1.01000 0.5024876

---

** 来自问题的数据以可重复的格式 **

odds_df <- structure(list(`Variable Name` = c("Var2", "Var3", "Var4", "Var5", 
"Var6"), Odds = c(0.87, 1.42, 2.1, 0.56, 1.01)), row.names = c(NA, 
-5L), class = "data.frame")

presence_df <- structure(list(`Subject Name` = c("Dog", "Cat", "Elephant", 
"Bear", "Jackal"), `Var 1 (Predictor)` = c(1L, 1L, 0L, 1L, 0L), Var2 = c(0L, 
0L, 0L, 0L, 0L), Var3 = c(1L, 0L, 0L, 0L, 0L), Var4 = c(0L, 0L, 
0L, 1L, 0L), Var5 = c(0L, 1L, 0L, 1L, 0L), Var6 = c(1L, 1L, 0L, 
1L, 1L)), class = "data.frame", row.names = c(NA, -5L))