如何使用 R 在 Stata 中执行类似 foreach 的操作？

Question

我是 R 新手，正在使用 Stata。我可以在 Stata 中使用 foreach 和 forvalue 遍历变量。

我想遍历列而不是遍历行。例如，我有名为 var1、var2、var3 的列。数据如下：

var1 var2 var3
  1    1   1   
  2   999  3
 999   2  999

我想将变量中的所有“999”值重新编码为缺失值。在Stata，我可以做到

forvalue i = 1(1)3{
  replace var`i' ="NA" if var`i' =="999"
}

因此，我有这样的结果

var1 var2 var3
  1    1   1   
  2   NA   3
  NA   2  NA

另外，如果我有名为 ht、wgt、bmi 的列，我想计算列的平均值并将平均值存储在具有相应名称的新列中。数据集如下：

 ht     wgt   bmi
154.5  43.1 18.1
164.2  63   23.4

在Stata中，我可以做到

foreach i of varlist ht wgt bmi{
  gen `i'mean = mean(`i')
}

结果会是

 ht    wgt   bmi  htmean wgtmean bmimean
154.5  43.1 18.1  159.35  53.05   20.75
164.2  63   23.4  159.35  53.05   20.75

我不知道如何使用 R。

Answer 1

这里有几个选项。我强烈建议添加一些示例数据，以便我们更好地帮助您。根据您所做的事情，您可以做几件事：

library(dplyr)
mtcars %>% 
    mutate(my_hp = case_when(
        hp<50~"Small",
        hp < 100~"Medium",
        TRUE~"Large"
    ))

这适用于条件逻辑，使用 mutate 函数创建一个新变量（列）和 case_when 函数根据 hp 的值使用不同的情况。

此外，您可以使用看起来像这样的基本 R 方法

mtcars$my_hp <- ifelse(mtcars$hp < 50, "Small",
                                             ifelse(mtcars$hp< 100, "Medium",
                                                         "Large"))

因此，在这种情况下，您将使用检查条件的链式 ifelse 语句创建一个名为 my_hp 的新值。

如果你绝对想做一个循环，在这种情况下你不需要这样做，你可以这样做：

for( i in 1:nrow(mtcars)){
    mtcars$my_hp[i] <- ifelse(mtcars$hp[i] < 50, "Small",
                                                            ifelse(mtcars$hp[i]< 100, "Medium",
                                                                         "Large"))

}

Answer 2

有很多不同的方法可以做这些事情。例如。对于身高、体重、BMI 示例，您可以使用 for 循环基本上与在 Stata 中相同的方式执行此操作：

# For-loop approach
for (col in c("ht", "wgt", "bmi")) {
    new_col = paste0(col, "_mean")
    df2[, new_col] = mean(df2[, col])
}

不同之处在于代码中的符号和 R 中的字符串之间有更强的分隔，因此您将列名指定为字符串，使用 paste0 创建表示新列名的字符串，然后将它们添加到数据框中。

另一种方法是使用dplyr 包和mutate_at 函数，它将对多个列应用相同的转换：

library(dplyr)

df2 %>%
    mutate_at(c("ht", "wgt", "bmi"), 
              list(mean = ~ mean(.)))

语法有点棘手：首先我们给出列名，然后下一个参数显示我们想要如何转换列。 . 是当前列的占位符，~ 表示 R 不会立即尝试计算 mean(.)，而是会等到我们有实际值来替换。当我们使用列表并为转换命名时，如list(transform = ~ . + 2)、dplyr 会自动使用名称作为后缀，因此您会得到x_transform、y_transform 等列名称。

Answer 3

一次重新编码多个变量

我想将变量中的所有“999”值重新编码为缺失值。在Stata，我可以做到

forvalue i = 1(1)3{
  replace var`i' ="NA" if var`i' =="999"
}

（为了完整性）您还可以使用lapply 重新编码几个变量。

lapply() 函数接受一组变量并应用一个函数，例如ifelse 给它。您需要使用 [] 子集告诉它数据集和变量，例如data[,variables].
然后你定义你想要做什么，这可能是任何重新编码等你，使用一个变量。 该函数首先在Stata循环中定义类似于“i”本地的东西：function(var)，这里var将具有与i类似的作用。 最后，您需要再次使用data[,variables] 说明lapply 的结果去了哪里，即新的或重新编码的变量。

这里是一个例子：

# Example data
data <- data.frame(
  var1 = c( 1,2,999),
  var2 = c(1,999,2),
  var3 = c(1,3,999)
)

# Object with the names of the variables you like to recode.
vars_to_recode <- c("var1","var2","var3")

# Recoding
data[ ,vars_to_recode] <- lapply(data[ ,vars_to_recode],
                                      function(var)
                                        ifelse(var == 999, NA, var)
                                      )
data

#    var1 var2 var3
# 1    1    1    1
# 2    2   NA    3
# 3   NA    2   NA

这实际上更接近于 Stata 的replace，因为原始变量被替换为转换后的变量。

lapply 的替代品是 map()，来自 purrr-package，但特别是对于编程，我（目前）更喜欢基本的 R 函数。

新变量包含旧变量的平均值

也可以使用lapply 回答的问题的第二部分是如何获取包含其他方法的变量。从原始问题：

另外，如果我有名为 ht、wgt、bmi 的列，我想计算列的平均值并将平均值存储在具有相应名称的新列中。 在Stata，我可以做到

foreach i of varlist ht wgt bmi{
  gen `i'mean = mean(`i')
}

解决方案，使用lapply simple 计算平均值并将其放入新变量/列中。这是因为 R 会自动将任何列（“向量”）填充到数据帧的长度（称为“回收”）。

示例数据

df <- data.frame(
      id  = 1:2,
      ht  = c(154.5,164.2),
      wgt = c(43.1 ,63),
      bmi = c(18.1 ,23.4))

定义要更改的变量和新变量的名称。

vars <- names(df[,2:4])

# Names for new variables
newvars <- paste(names(df),"_mean")
newvars
# [1] "ht _mean"  "wgt _mean" "bmi _mean"

生成包含感兴趣变量均值的新变量：

df[,newvars] <- lapply(df[,vars], 
                       function(var)
                           mean(var)
                       )

结果：

df

#   ht  wgt  bmi ht _mean wgt _mean bmi _mean
# 1 154.5 43.1 18.1   159.35     53.05     20.75
# 2 164.2 63.0 23.4   159.35     53.05     20.75