创建一个新变量

Question

嗨，我有一个看起来像这样的数据集

bankname    bankid  year    totass  invloc1 invamt1 invloc2 invamt2 invloc3 invamt3   
Bank A  1   1881    244789  Philadelphia    7250.32 New York    20218.20    Philadelphia    29513.4   
Bank B  2   1881    195755  Pittsburgh  10243.60    NA  1851.51 NA  NA   
Bank C  3   1881    107736  New York    13357.80    Wilkes-Barre    17761.20    NA  NA   
Bank D  4   1881    170600  Philadelphia    3.35    Philadelphia    2.00    NA  NA   
Bank E  5   1881    32000000    New York    351266.00   New York    314012.00       NA   

但我想为每个银行使用 invloc 和 invamt 变量创建一个名为 NY_tot 的新变量。对于每家银行，如果他们的 invloc 是纽约，那么总和 invamt。 invloc1 和 invamt1 一起去。因此，我希望这个数据集看起来像这样。

bankname    bankid  year    totass  invloc1 invamt1 invloc2 invamt2 invloc3 invamt3 NY_tot   
Bank A  1   1881    244789  Philadelphia    7250.32 New York    20218.20    Philadelphia    29513.4 20218.20   
Bank B  2   1881    195755  Pittsburgh  10243.60    NA  1851.51 NA  NA  0   
Bank C  3   1881    107736  New York    13357.80    Wilkes-Barre    17761.20    NA  NA  13357.80   
Bank D  4   1881    170600  Philadelphia    3.35    Philadelphia    2.00    NA  NA  0   
Bank E  5   1881    32000000    New York    351266.00   New York    314012.00       NA  665278   

这是我正在使用的数据集

bankname <- c("Bank A","Bank B","Bank C","Bank D","Bank E")
bankid <- c( 1, 2,  3,  4,  5)
year<- c( 1881, 1881,   1881,   1881,   1881)
totass  <- c(244789,    195755, 107736, 170600, 32000000)
invloc1 <-c("Philadelphia","Pittsburgh","New York","Philadelphia","New York")
invamt1<-c(7250.32,10243.6,13357.8,3.35,351266)
invloc2<-c("New York","NA","Wilkes-Barre","Philadelphia","New York")
invamt2<-c(20218.2,1851.51,17761.2,2,314012)
invloc3<-c("Philadelphia","NA","NA","NA","")
invamt3<-c(29513.4,NA,NA,NA,NA)
bankdata<-data.frame(bankname, bankid,year,totass, invloc1, invamt1, invloc2, invamt2, invloc3, invamt3)

当我尝试以下代码时：

将因子变量（invloc）更改为字符

i <- sapply(bankdata, is.factor)
bankdata[i] <- lapply(bankdata[i], as.character)  

然后新建一个变量

for(i in 1:nrow(bankdata)){
 bankdata$NY_tot<-0
for(j in 1:3){
if((!is.na(bankdata[i,paste("invloc",j,sep="")])) && (bankdata[i,paste("invloc",j,sep="")]=="New York")){
  if (!is.na(bankdata[i,paste("invamt",j,sep="")])){
    bankdata$NY_tot[i]<-bankdata$NY_tot[i]+bankdata[i,paste("invamt",j,sep="")]
      }
    }
  }
}

我在NY_tot 变量中得到 0。你能告诉我为什么吗？

提前谢谢你！

Answer 1

正如其他人在 cmets 中所说的那样，您不需要弄乱 for 循环来执行此操作。 R 有大量精美的内置函数可以快速处理此类问题。

在这种情况下，您的解决方案是ifelse。对于您要使用哪些列，我有些困惑，但请尝试以下操作：

bankdata$NY_tot=ifelse(bankdata$invloc1=="New York",sum(bankdata$invamt1,bankdata$invamt2),NA)

这里发生了什么？ ifelse 是这样工作的：

ifelse(conition, value_if_true, value_if_false)

因此，在您的情况下，该函数检查invloc1 的值是否为"New York"，如果是则返回总和，否则返回NA。最好的部分是它会自动逐行执行此操作，因此您无需手动迭代数据帧，这就是导致上述代码出现问题的原因。

编辑：正如下面@Richard Scriven 所建议的，您可以避免使用with 或within 输入数据框的名称四次，例如：

bankdata<-within(bankdata, NY_tot=ifelse(invloc1=="New York"),sum(invamt1,invamt2),NA)

这是一个我将在余生中使用的绝妙技巧，它基本上告诉 R 给定的所有变量名都与 bankdata 相关联，因此您不必一直输入它。