ฉันมีปัญหาในการสร้างตัวแปรดัมมี่ต่อไปนี้ใน R:
ฉันกำลังวิเคราะห์ข้อมูลอนุกรมเวลารายปี (ช่วงเวลา 2491-2552) ฉันมีสองคำถาม:
ฉันจะสร้างตัวแปรจำลองสำหรับการสังเกต # 10 เช่นปี 2500 ได้อย่างไร (ค่า = 1 ที่ปี 1957 และเป็นศูนย์)
ฉันจะสร้างตัวแปรดัมมี่ซึ่งเป็นศูนย์ก่อนปี 1957 และรับค่า 1 ตั้งแต่ปี 1957 เป็นต้นไปจนถึงปี 2009 ได้อย่างไร
คำตอบ:
ตัวเลือกที่สามารถทำงานได้ดีกว่าถ้าคุณมีหลายตัวแปรก็คือและfactormodel.matrix
> year.f = factor(year)
> dummies = model.matrix(~year.f)
ซึ่งจะรวมคอลัมน์สกัดกั้น (คอลัมน์ทั้งหมด) และคอลัมน์หนึ่งคอลัมน์สำหรับแต่ละปีในชุดข้อมูลของคุณยกเว้นคอลัมน์เดียวซึ่งจะเป็น "ค่าเริ่มต้น" หรือค่าการสกัดกั้น
คุณสามารถเปลี่ยนวิธีการ "เริ่มต้น" ถูกเลือกโดยล้อเล่นกับในcontrasts.argmodel.matrix
นอกจากนี้หากคุณต้องการละเว้นการสกัดกั้นคุณสามารถวางคอลัมน์แรกหรือเพิ่มลง+0ในตอนท้ายของสูตรได้
หวังว่านี่จะเป็นประโยชน์
+ 0 - 1ดังนั้นmodel.matrix(~ year.f + 0)จะให้ตัวแปรดัมมี่โดยไม่มีระดับอ้างอิง
วิธีที่ง่ายที่สุดในการสร้างตัวแปรจำลองเหล่านี้มีดังต่อไปนี้:
> print(year)
[1] 1956 1957 1957 1958 1958 1959
> dummy <- as.numeric(year == 1957)
> print(dummy)
[1] 0 1 1 0 0 0
> dummy2 <- as.numeric(year >= 1957)
> print(dummy2)
[1] 0 1 1 1 1 1
โดยทั่วไปคุณสามารถใช้ifelseเพื่อเลือกระหว่างสองค่าขึ้นอยู่กับเงื่อนไข ดังนั้นถ้าแทนของตัวแปร 0-1 หุ่นด้วยเหตุผลบางอย่างที่คุณต้องการที่จะใช้การพูด, 4 และ 7 ifelse(year == 1957, 4, 7)คุณสามารถใช้
การใช้Dummies :: dummy () :
library(dummies)
# example data
df1 <- data.frame(id = 1:4, year = 1991:1994)
df1 <- cbind(df1, dummy(df1$year, sep = "_"))
df1
# id year df1_1991 df1_1992 df1_1993 df1_1994
# 1 1 1991 1 0 0 0
# 2 2 1992 0 1 0 0
# 3 3 1993 0 0 1 0
# 4 4 1994 0 0 0 1
แพ็คเกจmlrนี้รวมcreateDummyFeaturesไว้เพื่อวัตถุประสงค์นี้:
library(mlr)
df <- data.frame(var = sample(c("A", "B", "C"), 10, replace = TRUE))
df
# var
# 1 B
# 2 A
# 3 C
# 4 B
# 5 C
# 6 A
# 7 C
# 8 A
# 9 B
# 10 C
createDummyFeatures(df, cols = "var")
# var.A var.B var.C
# 1 0 1 0
# 2 1 0 0
# 3 0 0 1
# 4 0 1 0
# 5 0 0 1
# 6 1 0 0
# 7 0 0 1
# 8 1 0 0
# 9 0 1 0
# 10 0 0 1
createDummyFeatures ลดตัวแปรดั้งเดิม
https://www.rdocumentation.org/packages/mlr/versions/2.9/topics/createDummyFeatures
.....
คำตอบอื่น ๆ ที่นี่เสนอเส้นทางโดยตรงเพื่อให้งานนี้สำเร็จซึ่งเป็นสิ่งที่หลาย ๆ รุ่น (เช่นlm) จะทำเพื่อคุณเป็นการภายใน อย่างไรก็ตามนี่คือวิธีสร้างตัวแปรจำลองด้วยแพ็คเกจยอดนิยมcaretและrecipesแพ็คเกจของ Max Kuhn แม้ว่าจะดูละเอียดกว่า แต่ทั้งสองก็ปรับขนาดให้เข้ากับสถานการณ์ที่ซับซ้อนมากขึ้นได้อย่างง่ายดายและเหมาะสมกับกรอบของพวกเขา
caret::dummyVarsด้วยcaretฟังก์ชันที่เกี่ยวข้องคือdummyVarsซึ่งมีpredictวิธีการนำไปใช้กับ data frame:
df <- data.frame(letter = rep(c('a', 'b', 'c'), each = 2),
y = 1:6)
library(caret)
dummy <- dummyVars(~ ., data = df, fullRank = TRUE)
dummy
#> Dummy Variable Object
#>
#> Formula: ~.
#> 2 variables, 1 factors
#> Variables and levels will be separated by '.'
#> A full rank encoding is used
predict(dummy, df)
#> letter.b letter.c y
#> 1 0 0 1
#> 2 0 0 2
#> 3 1 0 3
#> 4 1 0 4
#> 5 0 1 5
#> 6 0 1 6
recipes::step_dummyด้วยrecipesฟังก์ชันที่เกี่ยวข้องคือstep_dummy:
library(recipes)
dummy_recipe <- recipe(y ~ letter, df) %>%
step_dummy(letter)
dummy_recipe
#> Data Recipe
#>
#> Inputs:
#>
#> role #variables
#> outcome 1
#> predictor 1
#>
#> Steps:
#>
#> Dummy variables from letter
ขึ้นอยู่กับบริบทแยกข้อมูลด้วยprepและอย่างใดอย่างหนึ่งbakeหรือjuice:
# Prep and bake on new data...
dummy_recipe %>%
prep() %>%
bake(df)
#> # A tibble: 6 x 3
#> y letter_b letter_c
#> <int> <dbl> <dbl>
#> 1 1 0 0
#> 2 2 0 0
#> 3 3 1 0
#> 4 4 1 0
#> 5 5 0 1
#> 6 6 0 1
# ...or use `retain = TRUE` and `juice` to extract training data
dummy_recipe %>%
prep(retain = TRUE) %>%
juice()
#> # A tibble: 6 x 3
#> y letter_b letter_c
#> <int> <dbl> <dbl>
#> 1 1 0 0
#> 2 2 0 0
#> 3 3 1 0
#> 4 4 1 0
#> 5 5 0 1
#> 6 6 0 1
สำหรับ usecase ตามที่นำเสนอในคำถามคุณสามารถคูณเงื่อนไขตรรกะด้วย1(หรืออาจจะดีกว่าด้วย1L):
# example data
df1 <- data.frame(yr = 1951:1960)
# create the dummies
df1$is.1957 <- 1L * (df1$yr == 1957)
df1$after.1957 <- 1L * (df1$yr >= 1957)
ซึ่งจะช่วยให้:
> df1
yr is.1957 after.1957
1 1951 0 0
2 1952 0 0
3 1953 0 0
4 1954 0 0
5 1955 0 0
6 1956 0 0
7 1957 1 1
8 1958 0 1
9 1959 0 1
10 1960 0 1
สำหรับกรณีการใช้งานตามที่นำเสนอในตัวอย่างเช่นคำตอบของ @ zx8754 และ @Sotos ยังมีตัวเลือกอื่น ๆ ที่ยังไม่ได้กล่าวถึง imo
1) สร้างmake_dummiesฟังก์ชันของคุณเอง
# example data
df2 <- data.frame(id = 1:5, year = c(1991:1994,1992))
# create a function
make_dummies <- function(v, prefix = '') {
s <- sort(unique(v))
d <- outer(v, s, function(v, s) 1L * (v == s))
colnames(d) <- paste0(prefix, s)
d
}
# bind the dummies to the original dataframe
cbind(df2, make_dummies(df2$year, prefix = 'y'))
ซึ่งจะช่วยให้:
id year y1991 y1992 y1993 y1994
1 1 1991 1 0 0 0
2 2 1992 0 1 0 0
3 3 1993 0 0 1 0
4 4 1994 0 0 0 1
5 5 1992 0 1 0 0
2) ใช้dcastฟังก์ชันจากทั้งตารางข้อมูล หรือ ก่อร่างใหม่ 2
dcast(df2, id + year ~ year, fun.aggregate = length)
ซึ่งจะช่วยให้:
id year 1991 1992 1993 1994
1 1 1991 1 0 0 0
2 2 1992 0 1 0 0
3 3 1993 0 0 1 0
4 4 1994 0 0 0 1
5 5 1992 0 1 0 0
อย่างไรก็ตามสิ่งนี้จะใช้ไม่ได้เมื่อมีค่าที่ซ้ำกันในคอลัมน์ที่ต้องสร้างหุ่น ในกรณีที่จำเป็นต้องใช้ฟังก์ชันการรวมเฉพาะสำหรับdcastและผลลัพธ์ของdcastความต้องการที่จะรวมกลับไปที่เดิม:
# example data
df3 <- data.frame(var = c("B", "C", "A", "B", "C"))
# aggregation function to get dummy values
f <- function(x) as.integer(length(x) > 0)
# reshape to wide with the cumstom aggregation function and merge back to the original
merge(df3, dcast(df3, var ~ var, fun.aggregate = f), by = 'var', all.x = TRUE)
ซึ่งให้ (โปรดทราบว่าผลลัพธ์จะเรียงลำดับตามbyคอลัมน์):
var A B C
1 A 1 0 0
2 B 0 1 0
3 B 0 1 0
4 C 0 0 1
5 C 0 0 1
3) ใช้spreadฟังก์ชันจากความเป็นระเบียบเรียบร้อย(ด้วยmutateจากdplyr)
library(dplyr)
library(tidyr)
df2 %>%
mutate(v = 1, yr = year) %>%
spread(yr, v, fill = 0)
ซึ่งจะช่วยให้:
id year 1991 1992 1993 1994
1 1 1991 1 0 0 0
2 2 1992 0 1 0 0
3 3 1993 0 0 1 0
4 4 1994 0 0 0 1
5 5 1992 0 1 0 0
โดยปกติสิ่งที่ฉันทำเพื่อทำงานกับตัวแปรดัมมี่ประเภทนี้คือ:
(1) ฉันจะสร้างตัวแปรจำลองสำหรับการสังเกต # 10 ได้อย่างไรเช่นสำหรับปี 2500 (ค่า = 1 ที่ 1957 และเป็นศูนย์)
data$factor_year_1 <- factor ( with ( data, ifelse ( ( year == 1957 ), 1 , 0 ) ) )
(2) ฉันจะสร้างตัวแปรดัมมี่ซึ่งเป็นศูนย์ก่อนปี 2500 และรับค่า 1 ตั้งแต่ปี 2500 เป็นต้นไปถึงปี 2552 ได้อย่างไร
data$factor_year_2 <- factor ( with ( data, ifelse ( ( year < 1957 ), 0 , 1 ) ) )
จากนั้นฉันสามารถแนะนำปัจจัยนี้เป็นตัวแปรจำลองในแบบจำลองของฉัน ตัวอย่างเช่นหากต้องการดูว่ามีแนวโน้มระยะยาวในตัวแปรหรือไม่y :
summary ( lm ( y ~ t, data = data ) )
หวังว่านี่จะช่วยได้!
หากคุณต้องการรับตัวแปรดัมมี่ K แทนที่จะเป็น K-1 ให้ลอง:
dummies = table(1:length(year),as.factor(year))
ดีที่สุด
as.data.frame.matrix(dummies)เพื่อแปลเป็นหนึ่ง
ฉันอ่านสิ่งนี้ในฟอรัม kaggle:
#Generate example dataframe with character column
example <- as.data.frame(c("A", "A", "B", "F", "C", "G", "C", "D", "E", "F"))
names(example) <- "strcol"
#For every unique value in the string column, create a new 1/0 column
#This is what Factors do "under-the-hood" automatically when passed to function requiring numeric data
for(level in unique(example$strcol)){
example[paste("dummy", level, sep = "_")] <- ifelse(example$strcol == level, 1, 0)
}
ifelseฟังก์ชั่นที่ดีที่สุดสำหรับตรรกะง่ายๆเช่นนี้
> x <- seq(1950, 1960, 1)
ifelse(x == 1957, 1, 0)
ifelse(x <= 1957, 1, 0)
> [1] 0 0 0 0 0 0 0 1 0 0 0
> [1] 1 1 1 1 1 1 1 1 0 0 0
นอกจากนี้หากคุณต้องการให้ส่งคืนข้อมูลอักขระคุณสามารถทำได้
> x <- seq(1950, 1960, 1)
ifelse(x == 1957, "foo", "bar")
ifelse(x <= 1957, "foo", "bar")
> [1] "bar" "bar" "bar" "bar" "bar" "bar" "bar" "foo" "bar" "bar" "bar"
> [1] "foo" "foo" "foo" "foo" "foo" "foo" "foo" "foo" "bar" "bar" "bar"
ตัวแปรจัดหมวดหมู่ที่มีการซ้อน ...
> x <- seq(1950, 1960, 1)
ifelse(x == 1957, "foo", ifelse(x == 1958, "bar","baz"))
> [1] "baz" "baz" "baz" "baz" "baz" "baz" "baz" "foo" "bar" "baz" "baz"
นี่คือตัวเลือกที่ตรงไปตรงมาที่สุด
อีกวิธีหนึ่งคือการใช้งานmtabulateจากqdapToolsแพ็คเกจเช่น
df <- data.frame(var = sample(c("A", "B", "C"), 5, replace = TRUE))
var
#1 C
#2 A
#3 C
#4 B
#5 B
library(qdapTools)
mtabulate(df$var)
ซึ่งจะช่วยให้,
A B C
1 0 0 1
2 1 0 0
3 0 0 1
4 0 1 0
5 0 1 0
ซับในฐาน R
model.matrix( ~ iris$Species - 1)
ให้
iris$Speciessetosa iris$Speciesversicolor iris$Speciesvirginica
1 1 0 0
2 1 0 0
3 1 0 0
4 1 0 0
5 1 0 0
6 1 0 0
7 1 0 0
8 1 0 0
9 1 0 0
10 1 0 0
11 1 0 0
12 1 0 0
13 1 0 0
14 1 0 0
15 1 0 0
16 1 0 0
17 1 0 0
18 1 0 0
19 1 0 0
20 1 0 0
21 1 0 0
22 1 0 0
23 1 0 0
24 1 0 0
25 1 0 0
26 1 0 0
27 1 0 0
28 1 0 0
29 1 0 0
30 1 0 0
31 1 0 0
32 1 0 0
33 1 0 0
34 1 0 0
35 1 0 0
36 1 0 0
37 1 0 0
38 1 0 0
39 1 0 0
40 1 0 0
41 1 0 0
42 1 0 0
43 1 0 0
44 1 0 0
45 1 0 0
46 1 0 0
47 1 0 0
48 1 0 0
49 1 0 0
50 1 0 0
51 0 1 0
52 0 1 0
53 0 1 0
54 0 1 0
55 0 1 0
56 0 1 0
57 0 1 0
58 0 1 0
59 0 1 0
60 0 1 0
61 0 1 0
62 0 1 0
63 0 1 0
64 0 1 0
65 0 1 0
66 0 1 0
67 0 1 0
68 0 1 0
69 0 1 0
70 0 1 0
71 0 1 0
72 0 1 0
73 0 1 0
74 0 1 0
75 0 1 0
76 0 1 0
77 0 1 0
78 0 1 0
79 0 1 0
80 0 1 0
81 0 1 0
82 0 1 0
83 0 1 0
84 0 1 0
85 0 1 0
86 0 1 0
87 0 1 0
88 0 1 0
89 0 1 0
90 0 1 0
91 0 1 0
92 0 1 0
93 0 1 0
94 0 1 0
95 0 1 0
96 0 1 0
97 0 1 0
98 0 1 0
99 0 1 0
100 0 1 0
101 0 0 1
102 0 0 1
103 0 0 1
104 0 0 1
105 0 0 1
106 0 0 1
107 0 0 1
108 0 0 1
109 0 0 1
110 0 0 1
111 0 0 1
112 0 0 1
113 0 0 1
114 0 0 1
115 0 0 1
116 0 0 1
117 0 0 1
118 0 0 1
119 0 0 1
120 0 0 1
121 0 0 1
122 0 0 1
123 0 0 1
124 0 0 1
125 0 0 1
126 0 0 1
127 0 0 1
128 0 0 1
129 0 0 1
130 0 0 1
131 0 0 1
132 0 0 1
133 0 0 1
134 0 0 1
135 0 0 1
136 0 0 1
137 0 0 1
138 0 0 1
139 0 0 1
140 0 0 1
141 0 0 1
142 0 0 1
143 0 0 1
144 0 0 1
145 0 0 1
146 0 0 1
147 0 0 1
148 0 0 1
149 0 0 1
150 0 0 1
แปลงข้อมูลของคุณเป็น data.table และใช้การตั้งค่าโดยการอ้างอิงและการกรองแถว
library(data.table)
dt <- as.data.table(your.dataframe.or.whatever)
dt[, is.1957 := 0]
dt[year == 1957, is.1957 := 1]
ตัวอย่างของเล่นพิสูจน์แนวคิด:
library(data.table)
dt <- as.data.table(cbind(c(1, 1, 1), c(2, 2, 3)))
dt[, is.3 := 0]
dt[V2 == 3, is.3 := 1]
ฉันใช้ฟังก์ชันดังกล่าว (สำหรับ data.table):
# Ta funkcja dla obiektu data.table i zmiennej var.name typu factor tworzy dummy variables o nazwach "var.name: (level1)"
factorToDummy <- function(dtable, var.name){
stopifnot(is.data.table(dtable))
stopifnot(var.name %in% names(dtable))
stopifnot(is.factor(dtable[, get(var.name)]))
dtable[, paste0(var.name,": ",levels(get(var.name)))] -> new.names
dtable[, (new.names) := transpose(lapply(get(var.name), FUN = function(x){x == levels(get(var.name))})) ]
cat(paste("\nDodano zmienne dummy: ", paste0(new.names, collapse = ", ")))
}
การใช้งาน:
data <- data.table(data)
data[, x:= droplevels(x)]
factorToDummy(data, "x")
อีกวิธีหนึ่งที่คุณสามารถทำได้คือใช้
ifelse(year < 1965 , 1, 0)
สวัสดีฉันเขียนฟังก์ชันทั่วไปนี้เพื่อสร้างตัวแปรจำลองซึ่งโดยพื้นฐานแล้วจะจำลองฟังก์ชันแทนที่ใน Stata
ถ้า x คือ data frame คือ x และฉันต้องการให้ตัวแปร dummy เรียกว่าaซึ่งจะรับค่า1เมื่อx$bใช้ค่าc
introducedummy<-function(x,a,b,c){
g<-c(a,b,c)
n<-nrow(x)
newcol<-g[1]
p<-colnames(x)
p2<-c(p,newcol)
new1<-numeric(n)
state<-x[,g[2]]
interest<-g[3]
for(i in 1:n){
if(state[i]==interest){
new1[i]=1
}
else{
new1[i]=0
}
}
x$added<-new1
colnames(x)<-p2
x
}
เรายังสามารถใช้cSplit_eจากsplitstackshape. ใช้ข้อมูลของ @ zx8754
df1 <- data.frame(id = 1:4, year = 1991:1994)
splitstackshape::cSplit_e(df1, "year", fill = 0)
# id year year_1 year_2 year_3 year_4
#1 1 1991 1 0 0 0
#2 2 1992 0 1 0 0
#3 3 1993 0 0 1 0
#4 4 1994 0 0 0 1
ที่จะทำให้การทำงานสำหรับข้อมูลอื่น ๆ กว่าความจำเป็นที่เราเป็นตัวเลขเพื่อระบุtypeเป็น"character"อย่างชัดเจน
df1 <- data.frame(id = 1:4, let = LETTERS[1:4])
splitstackshape::cSplit_e(df1, "let", fill = 0, type = "character")
# id let let_A let_B let_C let_D
#1 1 A 1 0 0 0
#2 2 B 0 1 0 0
#3 3 C 0 0 1 0
#4 4 D 0 0 0 1