小编EGM*_*686的帖子

我有这样的DataFrame(简化示例)

id  v0  v1  v2  v3  v4
1   10  5   10  22  50
2   22  23  55  60  50
3   8   2   40  80  110
4   15  15  25  100 101

并且如果v0值在v1到v4的值中,则想要创建一个1或0的附加列,如果不是,则创建0.因此,在此示例中,对于id 1,则该值应为1(因为v2 = 10),并且对于id 2值应该为0,因为22不在v1到v4中.

实际上,表格更大(大约100,000行,变量从v1到v99).

我有两个嵌套列表：

a = [[1,2,3],[2,4,2]]\nb = [[5,5,5],[1,1,1]]\n

我想将每组元素相乘并求和得到

c = [[30],[8]]\n

哪个结果来自= [[1*5+2*5+3*5],[2*1,4*1,2*1]]

我\xc2\xb4ve尝试这样做：

a = [[1,2,3],[2,4,2]]\nb = [[5,5,5],[1,1,1]]\n

但我得到“无法将序列乘以“列表”类型的非 int”

是否有一种简单的列表理解方法可以避免 for 循环？

我有这样的DataFrame

id  val1   val2
0    A      B
1    B      B
2    A      A
3    A      A

我想交换以下值:

id  val1   val2
0    B      A
1    A      A
2    B      B
3    B      B

我需要考虑df可能有其他列我想保持不变.

我有一个具有以下结构的 df：

id  a1_l1   a2_l1   a3_l1   a1_l2   a2_l2   a3_l2
1   1       5       3       1       2       3
2   1       5       3       1       2       3
3   2       5       3       5       5       3
4   5       5       3       5       5       3
5   5       5       2           
6   5       5       2           
7   5       5       2           
8   2       5       2           
9   3       5       1           
10  3       5       1   

我想总结在一个表格中，这样我就可以得到：

    l1  l2
a1  0.4 0.5
a2  1   0.5
a3  0   0

我正在做的是计算 5 出现的次数除以有效响应的数量，例如：

a1, l1 等于 0.4，因为我有 …

我有这样的DataFrame：

1  2  1  3  1  4
2  4  5  1  1  4
1  3  5  3  1  4
1  3  1  3  1  4

这样的另一个

1  1  0  0  0  0

我想乘以他们得到

1  2  0  0  0  0
2  4  0  0  0  0
1  3  0  0  0  0
1  3  0  0  0  0

因此，正在发生的情况是，第二个df中的每个列都将每个值乘以一个，而每个列中的值为零则将第一个数据帧中的所有列都乘以0。

考虑到BigQuery导出的文件大小为99个csv文件，我将数据集从Google BigQuery导出到Google Cloud Storage。

但是，现在我想连接到我的GCP存储桶并使用Spark执行一些分析，但是我需要将所有99个文件加入一个大的csv文件中以运行分析。

如何做到这一点？

我有一个数据框：

data <- data.frame(
    name = c("John", "Paul", "George", "Ringo", "Stuart", "Pete"),
    instrument1 = c("guitar", "bass", "guitar", "drums", "bass","drums"),
    instrument2 = c("guitar", "bass", "guitar", "drums", "bass","drums"),stringsAsFactors=FALSE)

我创建了一个这样的函数：

sel <- function(df, variable) {
    var <- enquo(variable)
    df2 <- select(df, starts_with(!!var))
    return(df2)
}

如何使用以下命令运行此功能：

sel(data, instrument)

无需引用参数“instrument”。我需要它不被引用，因为这是一个更大的函数的一部分。如果我像上面那样运行它，我会得到：

Error in is_string(match) : object 'instrument' not found 

我有两个这样的数据集（简化示例）

id A B C
1  1 2 3 
2  4 1 3
3  2 5 3

和

id A B C
1  2 2 2 
2  3 3 3
3  4 4 4

我怎样才能加入才能得到

id A1 A2 B1 B2 C1 C2
1  1  2  2  2  3  2 
2  4  3  1  3  3  3
3  2  4  5  4  3  4

所以我想保留 Id 并将 dfs 与 df1 的第一列组合为第一列，将第二个 df 中的第一列组合为 2 等等......

我有一个具有以下结构的数据框：

id v1 v2 v3 v4 v5
1  .  1  .  2  3
2  1  2  3  .  .
3  3  2  .  1  .

我想像这样重新编码

id v1 v2 v3 v4 v5
1  0  3  0  2  1
2  3  2  1  0  0
3  1  2  0  3  0

所以我想重新编码值 (1=3) (missing = 0) (3=1)

在 SPSS 中，这是相当直观的：

recode v1 to v5 (sysmis=0)(3=1)(1=3)(else=copy). 

我正在 R 中寻找类似的方法。对基本方法或 tidyverse 方法没有偏好。

我有一个包含很多列的 DF，鉴于每行的最大值为 1 而其他所有值均为 0，如何用（1 或 0）替换这些值。所以如果我有

v1 v2 v3
1  3  2
0  4  .5
.1 .1 .7

并得到：

v1 v2 v3
0  1  0
0  1  0
0  0  1   

根据之前的计算，数字是浮点数，每行不可能有重复的数字。

谢谢，

通常我会在 Excel 中创建这样的图：

我正在探索将它移动到 ggplot，但是在我没有看到可以使用的几何图形中，关于如何使用 R 和 ggplot 复制它的任何想法？

有这样的数据框

car model
toyota corolla
toyota rav4
honda  civic
honda  civic
honda  accord

我如何编写一个删除次数少于 n 次的品牌，比如我想删除出现次数少于 3 次的品牌，结果数据帧将是

car model
honda  civic
honda  civic
honda  accord

所以我保留相同的数据框和所有变量，只删除行。