[英]how I can use indicator or dummy variable for a factor variable?
我有一列是每個家庭的收入,我想使用一個指標以便在分析中使用它。 如果收入大於35000 $,我希望它為1,否則為0。
Household INCOM
1 (5) $50,000 - $74,999
2 (3) $25,000 - $34,99
3 (4) $35,000 - $49,999
所以指標變量必須是
IND
1
0
1
我使用了以下內容,但是由於INCOM不是數字,所以它當然不起作用:
df %>% mutate(`income` = 1* (INCOM >= 35000), )
一種基本的R方法可能是
df$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 - $49,999 1
我試圖一口氣做所有事情,讓我一一解釋所有命令
使用gsub
我們刪除INCOM
存在的所有逗號
gsub(",", "", df$INCOM)
#[1] "(5) $50000 - $74999" "(3) $25000 - $3499" "(4) $35000 - $49999"
然后使用sub
提取$
之后的兩個數字
sub(".*\\$(\\d+).*\\$(\\d+).*", "\\1-\\2", gsub(",", "", df$INCOM))
#[1] "50000-74999" "25000-3499" "35000-49999"
然后,我們將字符串分割為-
strsplit(sub(".*\\$(\\d+).*\\$(\\d+).*", "\\1-\\2", gsub(",", "", df$INCOM)), "-")
#[[1]]
#[1] "50000" "74999"
#[[2]]
#[1] "25000" "3499"
#[[3]]
#[1] "35000" "49999"
然后使用sapply
將這些數字轉換為數字,並檢查數字中的任何一個是否大於35000,並相應地提供1/0值。
我們可以使用gsubfn
來獲取二進制格式。 我們從“ INCOM”中刪除帶有gsub
的$,
捕獲gsubfn
的數字,將其轉換為numeric
,與35000進行比較並提取二進制數字
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
或帶有tidyverse
的選項
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 - $49,999 1
或另一個選擇是
str_remove_all(df1$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))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.