R：根据另一列中存在的一列值生成一个虚拟变量答案

【问题标题】：R: Generate a dummy variable based on the existence of one column' value in another columnR：根据另一列中存在的一列值生成一个虚拟变量
【发布时间】：2020-05-24 17:52:59
【问题描述】：

我有一个这样的数据框：

A                    B          
2012,2013,2014     2011
2012,2013,2014     2012
2012,2013,2014     2013
2012,2013,2014     2014
2012,2013,2014     2015

我想创建一个虚拟变量，表示A列中B列的值是否存在。1表示存在，0表示不存在。这样，

A                    B       dummy        
2012,2013,2014     2011        0
2012,2013,2014     2012        1
2012,2013,2014     2013        1
2012,2013,2014     2014        1
2012,2013,2014     2015        0

我曾尝试使用%in% 来实现：

df$dummy <- ifelse(df$B %in% df$A, 1, 0)

但原来dummy这一列的所有内容都是1。

当我尝试使用另一种方法时发生同样的情况any()：

df$dummy <- any(df$A==df$B)

dummy 列中的所有内容都是TRUE。

有没有一种有效的方法来生成这个虚拟变量？

非常感谢！

【问题讨论】：

标签： r if-statement dummy-variable any

【解决方案1】：

看起来A 列是用逗号分隔的数字字符串，因此%in% 不合适（例如，如果您在多个字符串的向量中检查B，这将很有帮助，如果A 和B 是数字，则为数字）。如果您的数据框结构不同，请告诉我（并随时编辑您的问题）。

您可能可以通过多种方式完成此操作。也许一种简单的方法是一次使用grepl 一行来识别B 列是否存在于A 中。

library(tidyverse)

df %>%
  rowwise() %>%
  mutate(dummy = +grepl(B, A))

输出

# A tibble: 5 x 3
  A              B     dummy
  <fct>          <fct> <int>
1 2012,2013,2014 2011      0
2 2012,2013,2014 2012      1
3 2012,2013,2014 2013      1
4 2012,2013,2014 2014      1
5 2012,2013,2014 2015      0

数据

df <- data.frame(
  A = c(rep("2012,2013,2014", 5)),
  B = c("2011", "2012", "2013", "2014", "2015")
)

【讨论】：

【解决方案2】：

如果你想使用基础 R：

df <- data.frame(A = rep("2012,2013,2014", 5), B = c("2011", "2012","2013","2014","2015"))

for(i in 1:nrow(df)){
     df$dummy[i] <- grepl(df$B[i],df$A[i])
}

【讨论】：

【解决方案3】：

制作一个制表符分隔的文件：

A   B          
2012,2013,2014  2011
2012,2013,2014  2012
2012,2013,2014  2013
2012,2013,2014  2014
2012,2013,2014  2015

这是使用来自stringr 的str_detect 的一种方式：

read.table('test.txt', header = TRUE) %>% 
  mutate(
    B = as.character(B),
    dummy = case_when(
      str_detect(pattern = B, fixed(A)) ~ '1',
      TRUE ~ '0'
    )
  )

【讨论】：

【解决方案4】：

这是另一个使用tidyverse 的解决方案。主要问题是A 被读取为字符串。我的解决方案首先将每个数字分成不同的列，然后将B 与这些数字进行比较。

library(tidyverse)

df %>%
  #Separate A into separate numbers
  separate(col = A,
           sep = ",",
           into = c("S1","S2","S3")) %>%
  #Compare B to the new columns and fill dummy
  mutate(dummy = ifelse(B %in% c(S1,S2,S3), 1, 0))

【讨论】：

感谢乔纳森的评论。上面的列 A 只是一个示例 - 实际数据框中的该列可能有更多/少于 3 个数字。所以我想一种更自动化的方式会更好地解决这个问题。我已经有了答案，不过还是谢谢！