- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我的调查数据存在拼写错误、缺失数据等问题。我需要填充/清理组内的数据,考虑到如果组内的变量有任何有效值(确保只有一个有效值),它应该替换同一组中变量中的其他值。请参阅下面的模拟数据和预期结果。我正在阅读有关使用 group_by 填充、变异的内容,但仍然不知道如何做到这一点。
想法:如果值不在(“Unknown”、“NA、“N/A”、“null”)中,则将该值复制到组内的变量中
数据:
data <- data.frame(group = c("A1", "A1", "A1", "A1", "A2", "A2", "B4", "B4", "B4", "C1"),
number.persons = c("4",NA,NA, "N/A", "unknow", "2", "3", "3", NA,"1"),
own.rent = c("own", "own", NA, "N/A", "rent", NA, "own", "N/A", "own", "own"),
car =c("yes", "yes", NA, "unkwon", "no", NA, "no", "no", "unknwon", "no"))
期望的结果:
new.data <- data.frame(group = c("A1", "A1", "A1", "A1", "A2", "A2", "B4", "B4", "B4", "C1"),
number.persons = c("4","4","4", "4", "2", "2", "3", "3", "3","1"),
own.rent = c("own", "own", "own", "own", "rent", "rent", "own", "own", "own", "own"),
car =c("yes", "yes", "yes", "yes", "no", "no", "no", "no", "no", "no"))
我想到的一个解决方案:
data.pre <- data %>%
mutate(flag.number.persons = ifelse(!number.persons %in% c("unknow", "unkwon","unknwon","null", "na", "n/a", "N/A", "NA", "") & !is.na(number.persons), 1, 0),
flag.own.rent = ifelse(!own.rent %in% c("unknow", "unkwon","null", "unknwon","na", "n/a", "N/A", "NA", "") & !is.na(own.rent), 1, 0),
flag.car = ifelse(!car %in% c("unknow", "unkwon","null", "unknwon","na", "n/a", "N/A", "NA", "") & !is.na(car), 1, 0)) %>%
group_by(group) %>%
mutate(number.persons2 = ifelse(flag.number.persons==0, number.persons[flag.number.persons==1], number.persons),
own.rent2 = ifelse(flag.own.rent == 0, own.rent[flag.own.rent==1], own.rent),
car2 = ifelse(flag.car == 0 , car[flag.car==1], car))
使用新变量查看新数据,看看它如何在我的代码中工作:
子集(data.pre, select=c(group, number.persons2, own.rent2, car2))
到目前为止,我的解决方案有点乏味,因为我正在根据建立的条件创建新变量作为标记来标记“有效值”,然后用有效值进行变异替换(实际上我正在创建另一个变量只是为了测试代码),但首先,创建如此多的变量既缓慢又困惑,其次我有大约 500 个变量,然后为每个变量创建标志没有任何意义。有没有更快/优雅的方法来做到这一点?也许是一个接收我想要清理的变量和无效值列表的函数?
我尝试了收到的选项,但当组中只有一个观察值并且缺少任何变量时出现错误
使用的代码来自 Rui Barradas
data %>%
group_by(group) %>%
mutate(across(everything(), ~ if_else(.x == "N/A", NA_character_, .x)),
across(everything(), ~ if_else(grepl("^unk", .x), NA_character_, .x))) %>%
mutate(across(everything(), na.locf))
错误
最佳答案
如果以“unk”
开头的几个单词代表unknown”
,那么就有几个错别字,下面的mutate
就变得有点乱.但没什么可绝望的。
suppressPackageStartupMessages({
library(dplyr)
library(zoo)
})
data <- data.frame(group = c("A1", "A1", "A1", "A1", "A2", "A2", "B4", "B4", "B4", "C1"),
number.persons = c("4",NA,NA, "N/A", "unknow", "2", "3", "3", NA,"1"),
own.rent = c("own", "own", NA, "N/A", "rent", NA, "own", "N/A", "own", "own"),
car = c("yes", "yes", NA, "unkwon", "no", NA, "no", "no", "unknwon", "no"))
data %>%
group_by(group) %>%
mutate(across(everything(), ~ if_else(.x == "N/A", NA_character_, .x)),
across(everything(), ~ if_else(grepl("^unk", .x), NA_character_, .x))) %>%
mutate(across(everything(), na.locf))
#> # A tibble: 10 × 4
#> # Groups: group [4]
#> group number.persons own.rent car
#> <chr> <chr> <chr> <chr>
#> 1 A1 4 own yes
#> 2 A1 4 own yes
#> 3 A1 4 own yes
#> 4 A1 4 own yes
#> 5 A2 2 rent no
#> 6 A2 2 rent no
#> 7 B4 3 own no
#> 8 B4 3 own no
#> 9 B4 3 own no
#> 10 C1 1 own no
由reprex package于2022年9月9日创建(v2.0.1)
简化,来自 TarJae's answer .
pattern <- paste("N/A", "^unk", sep = "|")
data %>%
group_by(group) %>%
mutate(across(everything(), ~ if_else(grepl(pattern, .x), NA_character_, .x)),
across(everything(), na.locf))
由reprex package于2022年9月9日创建(v2.0.1)
关于r - 清理R中组内的数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/73665381/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!