用R重新编码变量

Question

在R中重新编码变量似乎是我最头痛的问题.您使用哪些功能,包,流程来确保最佳结果？

我发现在互联网上很少有一些有用的例子可以为重新编码提供一个通用的解决方案,我很想知道你们和gals正在使用什么.

注意:这可能是社区维基主题.

Answer 1

重新编码可能意味着很多事情,并且从根本上说是复杂的.

可以使用以下levels函数更改因子的级别:

> #change the levels of a factor
> levels(veteran$celltype) <- c("s","sc","a","l")

转换连续变量只涉及矢量化函数的应用:

mtcars $ mpg.log < - log(mtcars $ mpg)

对于binning连续数据的查看cut和cut2(在hmisc包中).例如:

> #make 4 groups with equal sample sizes
> mtcars[['mpg.tr']] <- cut2(mtcars[['mpg']], g=4)
> #make 4 groups with equal bin width
> mtcars[['mpg.tr2']] <- cut(mtcars[['mpg']],4, include.lowest=TRUE)

对于将连续或因子变量重新编码为分类变量,存在recode于汽车包和recode.variablesDeducer包中

> mtcars[c("mpg.tr2")] <- recode.variables(mtcars[c("mpg")] , "Lo:14 -> 'low';14:24 -> 'mid';else -> 'high';")

如果您正在寻找GUI,Deducer使用Transform和Recode对话框实现重新编码:

http://www.deducer.org/pmwiki/pmwiki.php?n=Main.TransformVariables

http://www.deducer.org/pmwiki/pmwiki.php?n=Main.RecodeVariables

Answer 2

我发现mapvalues从plyr包非常方便.包还包含revalue类似的功能car:::recode.

以下示例将"重新编码"

> mapvalues(letters, from = c("r", "o", "m", "a", "n"), to = c("R", "O", "M", "A", "N"))
 [1] "A" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "M" "N" "O" "p" "q" "R" "s" "t" "u" "v" "w" "x" "y" "z"

Answer 3

当应该转换几个值时,我发现这非常方便(就像在Stata中进行重新编码一样):

# load package and gen some data
require(car)
x <- 1:10

# do the recoding
x
## [1]   1   2   3   4   5   6   7   8   9  10

recode(x,"10=1; 9=2; 1:4=-99")
## [1] -99 -99 -99 -99   5   6   7   8   2   1

Answer 4

我发现,在尝试更改它们之前,有时可以更容易地将非数字因子转换为字符.

df <- data.frame(example=letters[1:26]) 
example <- as.character(df$example)
example[example %in% letters[1:20]] <- "a"
example[example %in% letters[21:26]] <- "b"

此外,在导入数据时,在尝试转换之前确保数字实际上是数字可能很有用:

df <- data.frame(example=1:100)
example <- as.numeric(df$example)
example[example < 20] <- 1
example[example >= 20 & example < 80] <- 2
example[example >= 80] <- 3