从互斥虚拟变量创建分类变量

Posted 2023-02-23

【中文标题】从互斥虚拟变量创建分类变量

【英文标题】：Creating categorical variables from mutually exclusive dummy variables

【发布时间】：2013-04-14 15:48:39

【问题描述】：

我的问题是关于先前已回答的关于 combining multiple dummy variables into a single categorical variable 的问题的详细说明。

在之前提出的问题中，分类变量是由不互斥的虚拟变量创建的。就我而言，我的虚拟变量是互斥的，因为它们代表 2X2 受试者间因子设计中的交叉实验条件（这也有一个受试者内部组件，我没有在这里讨论），所以我不认为 interaction做我需要做的事。

例如，我的数据可能如下所示：

id   conditionA    conditionB    conditionC     conditionD
1    NA            1             NA             NA
2    1             NA            NA             NA
3    NA            NA            1              NA
4    NA            NA            NA             1
5    NA            2             NA             NA
6    2             NA            NA             NA
7    NA            NA            2              NA
8    NA            NA            NA             2

我现在想制作组合不同类型条件的分类变量。例如，具有条件 A 和 B 的值的人可能被编码为一个分类变量，而具有条件 C 和 D 的值的人。

id   conditionA    conditionB    conditionC     conditionD  factor1    factor2
1    NA            1             NA             NA          1          NA
2    1             NA            NA             NA          1          NA
3    NA            NA            1              NA          NA         1
4    NA            NA            NA             1           NA         1
5    NA            2             NA             NA          2          NA
6    2             NA            NA             NA          2          NA
7    NA            NA            2              NA          NA         2
8    NA            NA            NA             2           NA         2

现在，我正在使用ifelse() 语句执行此操作，这简直是一团糟（而且并不总是有效）。请帮忙！可能有一些超级明显的“更简单的方法”。

编辑：

我使用的ifelse命令的种类如下：

attach(df)
df$factor<-ifelse(conditionA==1 | conditionB==1, 1, NA)
df$factor<-ifelse(conditionA==2 | conditionB==2, 2, df$factor)

实际上，我每次都会合并 6-8 列，因此更优雅的解决方案会很有帮助。

【参考方案1】：

更新（2019）：请使用dplyr::coalesce()，它的工作原理几乎相同。

我的R package 有一个方便的功能，允许为向量列表中的每个元素选择第一个非NA 值：

#library(devtools)
#install_github('kimisc', 'muelleki')
library(kimisc)

df$factor1 <- with(df, coalesce.na(conditionA, conditionB))

（如果conditionA 和conditionB 是因子，我不确定这是否有效。如有必要，在使用as.numeric(as.character(...)) 之前将它们转换为数字。）

否则，您可以尝试interaction，并结合重新编码结果因子的水平——但在我看来，您似乎对第一个解决方案更感兴趣：

df$conditionAB <- with(df, interaction(coalesce.na(conditionA, 0), 
                                       coalesce.na(conditionB, 0)))
levels(df$conditionAB) <- c('A', 'B')

【讨论】：

谢谢！很好……当我编写示例数据时，最后两行出现错字。

@roody：conditionD 是否可以包含值，比如 3？那应该怎么办？

不，它们都是两个水平因子变量——1 和 2 只是 Qualtrics 分配给它们的值，但它始终是一个二元选择。

@roody：你在 Windows 上吗？然后你可能需要安装Rtools。否则，安装 GNU 工具链（make，g++，...）。或者干脆从here复制代码...

@roody，另一种感谢方式是投票有用的答案。

【参考方案2】：

我认为这个功能可以满足您的需求（诚然，这是一个快速的 hack）。

to_indicator <- function(x, grp)

    apply(tbl, 1,
          function (x)
          
              idx <- which(!is.na(x))
              nm <- names(idx)
              if (nm %in% grp)
                x[idx]
              else
                NA
          )

这是与您提供的示例数据一起使用的。

tbl <- read.table(header=TRUE, text="
conditionA    conditionB    conditionC     conditionD
NA            1             NA             NA
1             NA            NA             NA
NA            NA            1              NA
NA            NA            NA             1
NA            2             NA             NA
2             NA            NA             NA
NA            NA            2              NA
NA            NA            NA             2")
tbl <- data.frame(tbl)

(tbl <- cbind(tbl,
              factor1=to_indicator(tbl, c("conditionA", "conditionB")),
              factor2=to_indicator(tbl, c("conditionC", "conditionD"))))

【参考方案3】：

嗯，我认为您可以简单地使用ifelse 来完成，例如：

factor1 <- ifelse(is.na(conditionA), conditionB, conditionA)

另一种方式可能是：

factor1 <- conditionA
factor1[is.na(factor1)] <- conditionB

第三种解决方案，如果你有两个以上的列条件，当然更实用：

factor1 <- apply(df[,c("conditionA","conditionB")], 1, sum, na.rm=TRUE)

【讨论】：

嗨@juba - 我喜欢第三种解决方案的简单性......但是如果R将所有相关列作为因子读入，我该如何将它们更改为数字？命令df[cols] <- as.numeric(as.matrix(df[cols])) 似乎不起作用（当cols 是列号列表时）。