基于具有庞大数据集的一系列值创建一个虚拟列

Question

我想根据列的值范围对数据进行排序。我的数据很大，但我做了一个小数据集作为工作示例：

 cats   colour  length  weight      mew
     1        5        3      3      0      
     2        4        4      2      0  
     3        3        5      3      0  
     4        2        9      4      1
     5        4       22      1      1 
     43       43             90      0
     22
     15               32     45
     25
              32      23       4     0
     35       2       29

这是我的 broken 代码，它应该基于列排序并根据列的值添加一个虚拟列：

x <- data$cats  # how to refer to a column: name_of_data_set_$_what column you want e.g. data$mass

x$dog <- ifelse(x$x>0 & x$x>3)

animal <- function(x) { 

  if ( x > 0 | x <3) {

  return(cbind( data , dog = 0))  

  } else { if (x > 4 | x < 6) {

  return(cbind( data , dog = 1))

  } else {

  return(cbind( data , dog = 2))

  }
  }
  }


animal(x)
summary(animal)



dput(head(data, 10))



animal(x)

代码应该做什么：

所以列是 1、2、3 和 4 应该是这样的：

 cats   colour  length  weight      mew     dog
     1        5        3      3      0      0      
     2        4        4      2      0      0
     3        3        5      3      0      0
     4        2        9      4      1      1
     5        4       22      1      1             
     43       43             90      0
     22
     15               32     45
     25
              32      23       4     0
     35       2       29

Answer 1

请停止更改原始帖子。对于第一次查看这篇文章的用户来说，它使答案看起来像是对从未存在的问题的修复。

问题：您正在读取的文件是逗号分隔的吗？

---

您的原始帖子存在几个明显的问题。

让我们从dput 的输出开始（应该将其从 cmets 移至原始帖子，以便其他人轻松查看）。

structure(list(cats.colour.length.weight.mew = ## that's not right
               structure(c(3L, 5L, 7L, 8L, 9L, 1L, 2L, 6L, 4L), 
               .Label = c(",43,,,", "0,23,1,,1", "1,5,3,3,0", "13,1,,2,", 
                          "2,4,4,20,1", "23,11,,,", "3,3,5,30,0", 
                          "4,2,9,43,0", "5,1,4,22,1"), 
               class = "factor")),
          .Names = "cats.colour.length.weight.mew",  ## that's not right
          row.names = c(NA, 9L), 
          class = "data.frame")

从带有read.csv 的文件中读取时，R 默认将character 字符串列分类为factor 变量。 R 对因子的看法与对数字或字符元素的看法不同。反过来，排序与因子变量的工作方式不同。

尝试使用stringsAsFactors = FALSE

data <- read.csv("filename.csv", stringsAsFactors = FALSE)

接下来，你的函数最后应该只有一个return 语句。在if-else 语句中分配一个变量并返回该变量。

添加我实际上并不确定上述说法。需要做一些进一步的研究。

此外，else if (x > 4 | x < 6) 中的 else 和 if 之间不需要 {

animal <- function(x)
{ 
    if ( x > 0 | x < 3 ){
        return(cbind( data , dog = 0))
    } else if (x > 4 | x < 6){
        return(cbind( data , dog = 1))
    } else {
        return(cbind( data , dog = 2))
    }
    ## return(y) removed 
}

第三，animal 被定义为一个函数，而不是一个变量。并且summary(animal) 不会调用您的函数。要拨打电话，请使用animal(x)。然后，可以通过summary(animal(x))获得摘要

在我能够重现您的数据之前，我可以告诉您的就这么多。请将 cmets 中的 dput 输出移至原始帖子，以便查看此问题的每个人都能看到。

Answer 2

如果您想创建一个基于现有变量范围的新变量，请查看cut 和findInterval 函数。您应该只需要其中一个，但它们的工作方式略有不同。

另外我认为您在上面的代码中将| 和& 的含义颠倒了，ifelse 函数应该有 3 个参数才有意义。

Answer 3

我认为您的过滤条件不一致，并且您将 if else 语句混淆了一点。我不知道，如果这是你想要达到的目标：

x <- data.frame(cat=1:10)

x$dog <- ifelse(x$cat > 0 & x$cat <= 3, 0,
                ifelse(x$cat >= 4 & x$cat <= 6, 1, 2))

# output is
   cat dog
1    1   0
2    2   0
3    3   0
4    4   1
5    5   1
6    6   1
7    7   2
8    8   2
9    9   2
10  10   2

Answer 4

不太清楚你想做什么......试试R中的sort或order

例如

x <- read.table("test.txt",header=T,sep="\t")
x[order(x$cats),]

更新：从您的代码中仍然不太清楚您与什么比较...但是试试这个

x$dog <- ifelse(x$PUT_YOUR_PARAMS_THERE>0 & x$ANOTHER_PARAM >1, 1, 0)