如何遍历列，检查任何列中是不是存在特定值，改变新列并输入 1 如果存在，如果不存在则输入 0？
Posted
技术标签:
【中文标题】如何遍历列，检查任何列中是不是存在特定值，改变新列并输入 1 如果存在，如果不存在则输入 0？【英文标题】：How to loop through columns, check if a particular value exists in any of the columns, mutate a new column and enter 1 if it exists, 0 if not?如何遍历列，检查任何列中是否存在特定值，改变新列并输入 1 如果存在，如果不存在则输入 0？ 【发布时间】：2020-01-19 15:00:48 【问题描述】：我正在做一个研究项目，其中一个表格的输入方式还不太适合分析，所以我正在尝试重新组织它。目前，每一行是一个考生，每一列是他们答错的问题，按升序输入。因此，对于第一行，第一列、第二列和第三列的条目可能分别为“Q1”“Q3”“Q9”等。总共有 25 个问题。
我的目标是重新组织数据，以便每个问题都有一个列。如果应试者正确回答了问题，则相应列的条目为 1，否则为 0。
有一种蛮力的方式似乎可行。可以单独改变每一列并检查每一列中的每个值。但是，有 25 个问题，而且所有这些打字似乎效率极低，所以我怀疑一定有更好的方法。
蛮力代码看起来像：
df %>%
mutate(Q3 == ifelse(col1 == "Q3" | col2 == "Q3" | col3 == "Q3", 0, 1))
这里 col1, col2, col3 都是可能包含 Q3 的列，这可能是考生答错的问题。如果有任何一个，我们输入 0。否则，我们输入 1。
25 个问题，代码太长了。
编辑：数据框的示例如下所示。
sample <- "ID Col1 Col2 Col3 Col4
1 100 Q1
2 101 Q3 Q4
3 102 Q2 Q3 Q4
4 103
5 104 Q4
6 105 Q1 Q2 Q3 Q4 "
想要的输出如下：
sample <- "ID Q1 Q2 Q3 Q4
1 100 0 1 1 1
2 101 1 1 0 0
3 102 1 0 0 0
4 103 1 1 1 1
5 104 1 1 1 0
6 105 0 0 0 0 "
【问题讨论】：
您能否分享输入数据的样本（不是所有列，也不是所有行）以及基于此的所需输出。阅读此主题以了解有关通过可重复示例提问的更多信息：***.com/questions/5963269/… 【参考方案1】：这是我的解决方案 - 将数据从宽变为长并再次返回
s <- reshape2::melt(sample, id.vars = "ID", value.name = "Q")
s$variable <- 1
s <- subset(s, complete.cases(s))
s <- reshape(s, idvar = "ID", timevar = "Q", direction = "wide")
s <- apply(s, 2, function(x) ifelse(is.na(x), 0, x))
【讨论】：
【参考方案2】：1) 假设DF 可重现地显示在最后的注释中，使用sapply 创建指标矩阵，然后将cbind 它添加到ID 列。最后让名字更好听。不使用任何包。
ques <- function(i) paste0("Q", 1:25) %in% unlist(DF[i, -1])
DFout <- cbind(DF[1], +t(sapply(1:nrow(DF), ques)))
names(DFout)[-1] <- paste0("Q", names(DFout[-1]))
前 5 列是：
> DFout[1:5]
ID Q1 Q2 Q3 Q4
1 100 1 0 0 0
2 101 0 0 1 1
3 102 0 1 1 1
4 103 0 0 0 0
5 104 0 0 0 1
6 105 1 1 1 1
2) 另一种可能性是将输入转换为长格式，然后使用xtabs 从中创建表格。
library(dplyr)
library(tidyr)
tab <- DF %>%
gather(key, Question, -ID) %>%
filter(nzchar(Question)) %>%
mutate(Question = factor(Question, paste0("Q", 1:25))) %>%
xtabs(~ ID + Question, .)
给这张桌子。我们显示前 5 列：
> tab[, 1:5]
Question
ID Q1 Q2 Q3 Q4
100 1 0 0 0
101 0 0 1 1
102 0 1 1 1
104 0 0 0 1
105 1 1 1 1
如果结果是数据框很重要，则添加：
library(tibble)
tab %>%
as.data.frame.matrix %>%
rownames_to_column(var = "ID")
注意
sample <- "rows ID Col1 Col2 Col3 Col4
1 100 Q1
2 101 Q3 Q4
3 102 Q2 Q3 Q4
4 103
5 104 Q4
6 105 Q1 Q2 Q3 Q4"
DF <- read.table(text = sample, header = TRUE, fill = TRUE, as.is = TRUE,
strip.white = TRUE)[-1]
【讨论】：
【参考方案3】：@G.Grothendieck 提供了一个非常好的解决方案。这是该答案的变体，即使每个学生都正确回答，它也会为测试中的每个问题产生一个值。诚然，它有点不那么优雅。另请注意，我用缺失值而不是空字符串构造数据，因此过滤器有点不同
dat <- data.frame(ID = c(100:105),
Col1 = c("Q1", "Q3", "Q2", NA, "Q4", "Q1"),
Col2 = c(NA, "Q4", "Q3", NA, NA, "Q2"),
Col3 = c(NA, NA, "Q4", NA, NA, "Q3"),
Col4 = c(NA, NA, NA, NA, NA, "Q4"),
stringsAsFactors = FALSE)
dat %>%
gather(key = col, val = wrong, -ID) %>%
select(-col) %>%
mutate(tmp = 1) %>%
complete(wrong = paste0("Q", 1:25)) %>%
filter(!is.na(wrong)) %>%
spread(wrong, tmp, fill = 0) %>%
select(ID, paste0("Q", 1:25)) %>%
filter(!is.na(ID)) %>%
data.frame
【讨论】：
【参考方案4】：这是一种类似于其他方法的 convert-to-long-first 方法，但使用 data.table
library(data.table)
setDT(df)
dcast(melt(df, 'ID'), ID ~ value, fun.aggregate = length)[, V1 := NULL][]
# ID Q1 Q2 Q3 Q4
# 1: 100 1 0 0 0
# 2: 101 0 0 1 1
# 3: 102 0 1 1 1
# 4: 104 0 0 0 1
# 5: 105 1 1 1 1
【讨论】：
【参考方案5】：这将是一种使用简单 for 循环的方法。
让我们从上面获取这些数据：
sample <- "rows ID Col1 Col2 Col3 Col4
1 100 Q1
2 101 Q3 Q4
3 102 Q2 Q3 Q4
4 103
5 104 Q4
6 105 Q1 Q2 Q3 Q4"
DF <- read.table(text = sample, header = TRUE, fill = TRUE, as.is = TRUE,
strip.white = TRUE)[-1]
这是方法。它填充现有数据框以再次检查重新编码是否顺利：
vars <- paste0("Q", 1:4)
for (i in vars)
DF[i] = rowSums(ifelse(DF[, grep( "Col", names(DF))]==i, 1, 0))
之后可以删除不需要的列：
DF <- DF[, -grep( "Col", names(DF))]
【讨论】：
以上是关于如何遍历列，检查任何列中是不是存在特定值，改变新列并输入 1 如果存在，如果不存在则输入 0？的主要内容，如果未能解决你的问题，请参考以下文章
数据框行和列是不是包含字符串？如果是这样，则在新列中返回该字符串
如何检查 var 是不是存在于数据库列中，如果不存在则不执行任何操作