我有一个配对数据的数据集(同一家庭的成员).
Id是个人标识符,householdid是合作伙伴的标识符(反之亦然).
我需要的是为他/她的伴侣的每个id添加一个额外的列(职业).
我的数据看起来像这样
dta = rbind( c(1013661,101366, 'Never worked'),
c(1013662, 101366, 'Intermediate occs'),
c(1037552, 103755, 'Managerial & professional occs'),
c(1037551, 103755, 'Intermediate occs')
)
colnames(dta) = c('idno', 'householdid', 'occup')
dta
idno householdid occup
"1013661" "101366" "Never worked"
"1013662" "101366" "Intermediate occs"
"1037552" "103755" "Managerial & professional occs"
"1037551" "103755" "Intermediate occs"
我需要的应该是这样的
idno householdid occup occupPartner
"1013661" "101366" "Never worked" "Intermediate occs"
"1013662" "101366" "Intermediate occs" "Never worked"
"1037552" "103755" "Managerial & professional occs" …所以我有两个独立的矩阵(mat1和mat2),我需要仔细检查它们才能进行检查.我需要将结果存储到第三个矩阵中.
我觉得我的代码很长.
我想提出一些建议来避免循环.
所以我的第一个矩阵看起来像这样(dput到底)
wit5.001 wit5.002 wit5.003 wit5.004 wit5.005 wit5.006 wit5.007 wit5.008 wit5.009 wit5.010
[1,] 1 1 1 1 1 1 1 1 1 1
[2,] 1 1 1 1 1 1 1 1 1 1
[3,] 1 1 1 1 1 1 1 1 1 1
[4,] 1 1 1 1 1 1 1 1 1 1
[5,] 1 1 1 1 1 1 1 0 1 1
[6,] 1 1 1 1 1 1 1 0 0 0 …我无意中按下了一个快捷键，日期中出现了一条非常漂亮的断线。
它看起来像
# 23 Jun 2010 --------------------
有人知道有问题的快捷方式吗？
（我在 Mac 上工作！）
在 RStudio 中！
我想根据特定的简单模式重新排序我的数据。
我只想重新排列我的数据，其中一行Female，一行Male，依次保留householdid。
数据如下：
householdid.x idno isex iage
1 101366 1013661 FEMALE 29
2 101366 1013662 MALE 36
3 102481 1024812 MALE 39
4 102481 1024811 FEMALE 29
5 103755 1037552 MALE 36
6 103755 1037551 FEMALE 31
我不知道该怎么做。
让我们说这FEMALE是第一位的。我正在寻找的输出很简单：
householdid.x idno isex iage
1 101366 1013661 FEMALE 29
2 101366 1013662 MALE 36
4 102481 1024811 FEMALE 29
3 102481 1024812 MALE 39
6 103755 1037551 FEMALE 31
5 103755 1037552 MALE …我有一个简单的问题,我如何使用which,并which.max在同一时间.
我想选择epnum行的最大值id == B13639J2.我需要进行检索,row number因为我需要对变量进行一些手动更改.
所以epnum行的最大值id == 'B13639J2'
id epnum start
95528 B13639J2 1 0
95529 B13639J2 2 860
95530 B13639J2 3 1110
95531 B13639J2 4 1155
95532 B13639J2 5 1440
我想知道我怎么能做一些像
dta[which(dta$id == 'B13639J2' & which.max(dta$epnum)), ]
最后,我需要删除斑点行.
谢谢.
数据
dta = structure(list(id = c("B13639J1", "B13639J1", "B13639J1", "B13639J1",
"B13639J1", "B13639J1", "B13639J1", "B13639J1", "B13639J2", "B13639J2",
"B13639J2", "B13639J2", "B13639J2"), epnum = c(4, 5, 6, 7, 8,
9, 10, …我想用 4 star.cutoffs-- c(0.1, 0.05, 0.01, 0.001)-- using stargazer.
library(stargazer)
m1 = lm(disp ~ mpg, data = mtcars)
stargazer(m1, type = 'text', star.cutoffs = c(0.1, 0.05, 0.01, 0.001), digits = 2)
看来只能获得3星的晋级了。
有什么想法可以减掉4次吗？
所以我有一个5行20列的数据集.我试图hist3D从plot3D包中绘制一个.
dt = structure(c(1, 1, 1, 3, 1, 2, 1, 0, 2, 1, 2, 1, 0, 1, 1, 0, 1,
0, 2, 2, 1, 1, 1, 1, 4, 4, 1, 1, 2, 3, 8, 1, 1, 2, 1, 10, 0,
1, 2, 1, 9, 0, 2, 4, 0, 4, 0, 5, 2, 2, 2, 0, 1, 2, 4, 1, 1, 3,
2, 6, 8, 1, 2, 2, 4, 10, 0, 2, 2, 4, 7, 0, 7, …所以,我有两个表示旧地址和当前地址的数据集.
> main
idspace id x y move
198 1238 33 4 stay
641 1236 36 12 move
1515 1237 30 28 move
> move
idspace id x y move
4 1236 4 1 move
我需要的是将新数据(move)与旧(main)main合并,并在合并后更新.
我想知道它是否可以在一次操作中使用它？
更新基于id,是个人标识符.
idspace,x,y现在的位置ID.
所以,我需要的输出是
> main
idspace id x y move
198 1238 33 4 stay
4 1236 4 1 move # this one is updated
1515 1237 30 28 move …我想删除所有包含大写单词的行。
我的数据如下所示：
dt
1 TRAVEL AND UNSPECIFIED TIME USE
2 TRAVEL BY PURPOSE
3 Travel related to unspecified time use
4 Travel related to personal business
我不明白为什么这不起作用
dt[-c(grep('[A-Z]', dt$dt)) , ]
因为，奇怪的是，当我生成这样的随机数据时它会起作用mtcars：
l = sample( c(letters[1:16], LETTERS[1:16]) )
mtcars$code = l
mtcars[-c( grep('[A-Z]', mtcars$code) ) , ]
有人能帮我吗 ？
dt = c("TRAVEL AND UNSPECIFIED TIME USE",
"TRAVEL BY PURPOSE",
"Travel related to unspecified time use",
"Travel related to personal business")
dt = as.data.frame(dt)
dt$dt = as.character(dt$dt)
以下这个问题，并且这一次，我想知道是总结在一个数据集分类变量的最佳选择。
我有一个数据集，例如
# A tibble: 10 <U+00D7> 4
empstat_couple nssec7_couple3 nchild07 age_couple
<chr> <fctr> <fctr> <dbl>
1 Neo-Trad Lower Managerial 1child 39
2 Neo-Trad Higher Managerial 1child 31
3 Neo-Trad Manual and Routine 1child 33
4 Trad Higher Managerial 1child 43
前 3 个变量是分类变量（字符或因子），最后一个是数字变量。
我想要的是类似（输出）
var n p
1: Neo-Trad 6 0.6
2: OtherArrangment 2 0.2
3: Trad 2 0.2
4: Higher Managerial 4 0.4
5: Lower Managerial 5 0.5
6: Manual …