r - 如何添加季节性虚拟变量？

Question

我想根据季度在我的 R data.table 中添加季节性虚拟变量。我看过多个例子，但我还没有能够解决这个问题。我对 R 的了解有限，所以我想知道您是否可以让我走上正轨。

我的 data.table 看起来像这样:

    Year_week  artist_id  number_of_events number_of_streams
   1:     16/30    8296         1            957892
   2:     16/33    8296         6            882282
   3:     16/34    8296         5            926037
   4:     16/35    8296         2            952704
   5:     15/37    17879        1             89515
   6:     16/22    22690        2            119653

我想要的是这样的格式:

 Year_week  artist_id  number_of_events number_of_streams Q2 Q3 Q4
   1:     16/50    8296         1            957892        0  0  1       

Answer 1

两种方法:

1) 使用dcast、cut 和sub:

dcast(DT[, Q := cut(as.integer(sub('.*/','',Year_week)),
                    breaks = c(0,13,26,39,53),
                    labels = paste0('Q',1:4))],
      Year_week + artist_id + number_of_events + number_of_streams ~ Q,
      value.var = 'Q',
      drop = c(TRUE,FALSE),
      fun = length)

给出:

   Year_week artist_id number_of_events number_of_streams Q1 Q2 Q3 Q4
1:     15/37     17879                1             89515  0  0  1  0
2:     16/22     22690                2            119653  0  1  0  0
3:     16/30      8296                1            957892  0  0  1  0
4:     16/33      8296                6            882282  0  0  1  0
5:     16/34      8296                5            926037  0  0  1  0
6:     16/35      8296                2            952704  0  0  1  0

这是做什么的:

• as.integer(sub('.*/','',Year_week)) 从 Year_week 列中提取周数
• 使用 cut 将其分成带有适当标签的部分(另请参阅 ?cut)
• 使用 dcast，您可以使用聚合函数 (length) 将四分之一列转换为宽格式。通过在 dcast 函数中使用 drop = c(TRUE,FALSE)，您可以确保包含所有季度。

注意事项:

• Q 列是有序因子，因此您也可以使用它来排列和过滤数据。
• 取决于虚拟列的用途:您并不总是需要这些列。当您想将它们用作分组或过滤变量时，您只需使用 Q 变量即可。
• 但是，一些统计测试需要虚拟变量(这证明了 dcast 步骤)。

2) 使用cut、sub 和lapply:

DT[, Q := cut(as.integer(sub('.*/','',Year_week)),
              breaks = c(0,13,26,39,53),
              labels = paste0('Q',1:4))
   ][, paste0('Q',1:4) := lapply(paste0('Q',1:4), function(q) as.integer(q == Q))][]

这给出了类似的结果。无需使用 dcast 进行转置，您只需检查其中一个四分之一标签是否在 Q 列中。

---

使用的数据:

DT <- fread(' Year_week  artist_id  number_of_events number_of_streams
     16/30    8296         1            957892
     16/33    8296         6            882282
     16/34    8296         5            926037
     16/35    8296         2            952704
     15/37    17879        1             89515
     16/22    22690        2            119653')