通过R中名称的开头将二进制变量合并为分组变量答案

【问题标题】：Merge binary variables into grouping variables by the start of the name in R通过R中名称的开头将二进制变量合并为分组变量
【发布时间】：2021-06-13 13:02:38
【问题描述】：

我有一个类似 original 的数据集，其中包含数字 (NP) 和二进制（所有其他）变量（我的数据集要大得多，并且包含更多的数字和虚拟变量）：

NP <- c(4,6,18,1,3,12,8)
iso_mode_USA <- c(1, 0, 0, 0, 0, 1, 1)
iso_mode_CHN <- c(0, 1, 1, 0, 0, 0, 0)
iso_mode_COL <- c(0, 0, 0, 1, 1, 0, 0)
exp_sector_4 <- c(0, 1, 0, 0, 1, 0, 0)
exp_sector_5 <- c(1, 0, 1, 0, 0, 0, 0)
exp_sector_7 <- c(0, 0, 0, 1, 0, 1, 1)
original <- data.frame(NP, iso_mode_USA, iso_mode_CHN, iso_mode_COL, exp_sector_4, exp_sector_5, exp_sector_7)

我想合并二进制变量按名称开头（例如，所有“iso_mode_”一起，所有“exp_sector_”一起，依此类推我在数据集中的变量未在此处提供）。在生成的新变量中，我想输入值，它位于原始变量的 colname() 的末尾。

所以新的数据集看起来像：

NP <- c(4,6,18,1,3,12,8)
iso_mode <- c('USA', 'CHN', 'CHN', 'COL', 'COL', 'USA', 'USA')
exp_sector <- c('5', '4', '4', '7', '4', '7', '7')
new <- data.frame(NP,iso_mode, exp_sector)

我已尝试使用following link。但是，按名称选择假人并不能成为诀窍（我的数据集中有大约 1700 个假人，仅属于大约 20 个组）

dplyr() 环境的任何解决方案？

谢谢

【问题讨论】：

标签： r merge grouping r-caret dummy-variable

【解决方案1】：

以长格式获取数据，仅保留值为 1 的行，将列名拆分为两列，然后以宽格式重新排列数据。

library(dplyr)
library(tidyr)

original %>%
  pivot_longer(cols = -NP) %>%
  filter(value == 1) %>%
  extract(name, c('col', 'val'), '(\\w+_\\w+)_(\\w+)') %>%
  select(-value) %>%
  pivot_wider(names_from = col, values_from = val)

#     NP iso_mode exp_sector
#  <dbl> <chr>    <chr>     
#1     4 USA      5         
#2     6 CHN      4         
#3    18 CHN      5         
#4     1 COL      7         
#5     3 COL      4         
#6    12 USA      7         
#7     8 USA      7

【讨论】：

谢谢！我的图书馆里有 dplyr 和 tidyr。但是，由于以下错误，您的第 4 行无法在我的计算机中运行 (extract().....)：Extract(., name, c("col", "val"), "(\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\ w+_\\w+)_(\\w+)") : texreg 和 broom 都不支持 tbl_df 类的模型。
您正在使用来自其他库的extract。使用带有tidyr::extract的代码

【解决方案2】：

dplyr 和 purrr 的一种可能性可能是：

original %>%
 transmute(NP,
           iso_mode = pmap(across(starts_with("iso")), ~ sub(".*\\_", "", names(which(c(...) == 1)))),
           exp_sector = pmap(across(starts_with("exp")), ~ sub(".*\\_", "", names(which(c(...) == 1)))))

  NP iso_mode exp_sector
1  4      USA          5
2  6      CHN          4
3 18      CHN          5
4  1      COL          7
5  3      COL          4
6 12      USA          7
7  8      USA          7

【讨论】：