R - 创建一个变量来记录组中其他成员的分类信息答案

【问题标题】：R - creating a variable that records categorical info of other member of a groupR - 创建一个变量来记录组中其他成员的分类信息
【发布时间】：2020-12-05 02:11:19
【问题描述】：

我有一个家庭数据集data，每个家庭都由变量id 标识，每个人都由id + num 标识（家庭ID + 家庭成员）。对于每个人，我都有不同的人口统计特征，例如：

id  num  age  wage     edu            marital_status
1   1    33   1200    Secondary       Married/Cohabitating
1   2    35   1100    College         Married/Cohabitating
1   3    12   -1      Not applicable  Not applicable
2   1    27   1600    College         Single
3   1    59   2000    Secondary       Married/Cohabitating
3   2    51   1800    Other           Married/Cohabitating

我创建了一组变量来记录另一个家庭成员的特征。因此，例如，我想为有两个已婚或同居成年人的家庭提供“伴侣工资”wage_p 的变量，这是我与

sums = tapply(data$wage, data$id, sum)
data$wage_tot = sums[match(data$id,names(sums))]
data$wage_tot[!(data$id %in% data$id[duplicated(data$id)])] = NA
data$wage_p = data$wage_tot - data$wage

基本上，我将每个家庭的wage相加得到wage_tot，然后减去wage得到wage_p.

这很有效，因为我首先将数据集限制为已婚或同居的人（所以我每个家庭有 1 或 2 个人）。（我知道这可能比必要的更复杂）。

我的结果：

id  num  age  wage     edu            marital_status        wage_tot   wage_p
1   1    33   1200    Secondary       Married/Cohabitating   2300      1100
1   2    35   1100    College         Married/Cohabitating   2300      1200
2   1    27   1600    College         Single                 NA         NA
3   1    59   2000    Secondary       Married/Cohabitating   3800      1800
3   2    51   1800    Other           Married/Cohabitating   3800      2000

现在，当我想对分类变量执行此操作时，问题就来了，因为我无法像对连续变量那样得到总数然后减去。所以举个例子，如果我想创建一个变量来记录配偶的教育水平，edu_p。

id  num  age  wage     edu            marital_status         edu_p
1   1    33   1200    Secondary       Married/Cohabitating   College
1   2    35   1100    College         Married/Cohabitating   Secondary
2   1    27   1600    College         Single                 NA
3   1    59   2000    Secondary       Married/Cohabitating   Other
3   2    51   1800    Other           Married/Cohabitating   Secondary

我能想出的唯一想法是将分类变量转换为数字，使用我的方法，然后再次转换它们，但我确信它必须复杂得多。

谁能帮帮我？

【问题讨论】：

您能dput(data) 并将其粘贴到您的问题中吗？如果我们有您的数据样本，为您提供帮助会容易得多。此外，如果您可以发布所需输出的示例，那也会很有帮助。阅读有关提供minimal reproducible example 的更多信息。
@BenNorris 非常感谢！我要去

标签： r dataframe categorical-data tapply

【解决方案1】：

考虑使用merge 解决方案，使用id 将每对夫妇相互比较。最后的左连接 merge 用于包含来自原始数据的非耦合观察。

spouse_merge <- subset(merge(data, data, by="id", suffixes=c("", "_p")),
                       (num < num_p | num > num_p) & 
                       marital_status != "Not applicable" &
                       marital_status_p != "Not applicable")

final_df <- merge(data, spouse_merge[c(1,2, grep("_p", names(spouse_merge)))], 
                  by=c("id", "num"), all.x=TRUE)
final_df

Online Demo

【讨论】：