Tôi gặp sự cố khi tạo các biến giả sau trong R:
Tôi đang phân tích dữ liệu chuỗi thời gian hàng năm (khoảng thời gian 1948-2009). Tôi có hai câu hỏi:
Làm cách nào để tạo một biến giả cho quan sát số 10, tức là cho năm 1957 (giá trị = 1 vào năm 1957 và bằng không nếu không)?
Làm cách nào để tạo một biến giả bằng 0 trước năm 1957 và nhận giá trị 1 từ năm 1957 trở đi đến năm 2009?
Câu trả lời:
Một tùy chọn khác có thể hoạt động tốt hơn nếu bạn có nhiều biến là factorvà model.matrix.
> year.f = factor(year)
> dummies = model.matrix(~year.f)
Điều này sẽ bao gồm một cột chặn (tất cả các cột) và một cột cho mỗi năm trong tập dữ liệu của bạn ngoại trừ một cột, sẽ là giá trị "mặc định" hoặc giá trị chặn.
Bạn có thể thay đổi cách chọn "mặc định" bằng cách nhập contrasts.argvào model.matrix.
Ngoài ra, nếu bạn muốn bỏ qua dấu chặn, bạn chỉ cần bỏ cột đầu tiên hoặc thêm +0vào cuối công thức.
Hy vọng điều này là hữu ích.
+ 0 hoặc - 1. Vì vậy, model.matrix(~ year.f + 0)sẽ cung cấp cho một biến giả mà không có mức tham chiếu.
Cách đơn giản nhất để tạo ra các biến giả này giống như sau:
> 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
Nói chung hơn, bạn có thể sử dụng ifelseđể chọn giữa hai giá trị tùy thuộc vào điều kiện. Vì vậy, nếu thay vì một biến giả 0-1, vì lý do nào đó bạn muốn sử dụng, chẳng hạn, 4 và 7, bạn có thể sử dụng ifelse(year == 1957, 4, 7).
Sử dụng hình nộm :: 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
Gói mlrbao gồm createDummyFeaturescho mục đích này:
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 giảm biến ban đầu.
https://www.rdocumentation.org/packages/mlr/versions/2.9/topics/createDummyFeatures
.....
Các câu trả lời khác ở đây cung cấp các lộ trình trực tiếp để hoàn thành nhiệm vụ này — một cách mà nhiều mô hình (ví dụ lm) sẽ làm cho bạn trong nội bộ. Tuy nhiên, đây là cách tạo biến giả với các gói caretvà recipesgói phổ biến của Max Kuhn . Mặc dù có phần dài dòng hơn, nhưng cả hai đều dễ dàng mở rộng các tình huống phức tạp hơn và phù hợp với khuôn khổ tương ứng của chúng.
caret::dummyVarsVới caret, hàm có liên quan là dummyVars, có predictphương pháp áp dụng nó trên khung dữ liệu:
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_dummyVới recipes, chức năng liên quan là step_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
Tùy thuộc vào ngữ cảnh, trích xuất dữ liệu bằng prepvà hoặc bakehoặc juice:
# 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
Đối với usecase như được trình bày trong câu hỏi, bạn cũng có thể chỉ cần nhân điều kiện logic với 1(hoặc thậm chí có thể tốt hơn, với 1L):
# example data
df1 <- data.frame(yr = 1951:1960)
# create the dummies
df1$is.1957 <- 1L * (df1$yr == 1957)
df1$after.1957 <- 1L * (df1$yr >= 1957)
mang lại:
> df1
yr is.1957 after.1957
1 1951 0 0
2 1952 0 0
3 1953 0 0
4 1954 0 0
5 1955 0 0
6 1956 0 0
7 1957 1 1
8 1958 0 1
9 1959 0 1
10 1960 0 1
Đối với các tiện ích như được trình bày trong ví dụ: câu trả lời của @ zx8754 và @Sotos, vẫn còn một số tùy chọn khác chưa được đề cập đến trên imo.
1) Tạo make_dummieschức năng của riêng bạn
# example data
df2 <- data.frame(id = 1:5, year = c(1991:1994,1992))
# create a function
make_dummies <- function(v, prefix = '') {
s <- sort(unique(v))
d <- outer(v, s, function(v, s) 1L * (v == s))
colnames(d) <- paste0(prefix, s)
d
}
# bind the dummies to the original dataframe
cbind(df2, make_dummies(df2$year, prefix = 'y'))
mang lại:
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) sử dụng dcastchức năng từ một trong haibảng dữ liệu hoặc là reshape2
dcast(df2, id + year ~ year, fun.aggregate = length)
mang lại:
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
Tuy nhiên, điều này sẽ không hoạt động khi có các giá trị trùng lặp trong cột mà các hình nộm phải được tạo. Trong trường hợp một hàm tổng hợp cụ thể là cần thiết dcastvà kết quả của việc dcastcần được hợp nhất trở lại ban đầu:
# 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)
mà cho (lưu ý rằng kết quả được sắp xếp theo bycột):
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) sử dụng spreadchức năng từngười dọn dẹp(với mutatetừdplyr)
library(dplyr)
library(tidyr)
df2 %>%
mutate(v = 1, yr = year) %>%
spread(yr, v, fill = 0)
mang lại:
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
Những gì tôi thường làm để làm việc với loại biến giả này là:
(1) làm cách nào để tạo một biến giả cho quan sát số 10, tức là cho năm 1957 (giá trị = 1 vào năm 1957 và bằng không nếu không)
data$factor_year_1 <- factor ( with ( data, ifelse ( ( year == 1957 ), 1 , 0 ) ) )
(2) Làm cách nào để tạo một biến giả bằng 0 trước năm 1957 và nhận giá trị 1 từ năm 1957 trở đi đến năm 2009?
data$factor_year_2 <- factor ( with ( data, ifelse ( ( year < 1957 ), 0 , 1 ) ) )
Sau đó, tôi có thể giới thiệu yếu tố này như một biến giả trong các mô hình của tôi. Ví dụ: để xem liệu có xu hướng dài hạn trong một biến thể hay không y :
summary ( lm ( y ~ t, data = data ) )
Hi vọng điêu nay co ich!
Nếu bạn muốn nhận K biến giả, thay vì K-1, hãy thử:
dummies = table(1:length(year),as.factor(year))
Tốt,
as.data.frame.matrix(dummies)để dịch nó thành một vấn đề
Tôi đọc điều này trên diễn đàn 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)
}
Các ifelsechức năng là tốt nhất cho logic đơn giản như thế này.
> 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
Ngoài ra, nếu bạn muốn nó trả về dữ liệu ký tự thì bạn có thể làm như vậy.
> 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"
Các biến phân loại có lồng ...
> 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"
Đây là lựa chọn đơn giản nhất.
Chuyển đổi dữ liệu của bạn thành data.table và sử dụng theo bộ tham chiếu và lọc hàng
library(data.table)
dt <- as.data.table(your.dataframe.or.whatever)
dt[, is.1957 := 0]
dt[year == 1957, is.1957 := 1]
Ví dụ về đồ chơi bằng chứng về khái niệm:
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]
Một lớp lót này trong cơ sở R
model.matrix( ~ iris$Species - 1)
cho
iris$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
Tôi sử dụng một hàm như vậy (cho 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 = ", ")))
}
Sử dụng:
data <- data.table(data)
data[, x:= droplevels(x)]
factorToDummy(data, "x")
Xin chào, tôi đã viết hàm chung này để tạo một biến giả về cơ bản sao chép hàm thay thế trong Stata.
Nếu x là khung dữ liệu là x và tôi muốn một biến giả được gọi là biến anày sẽ nhận giá trị 1khi x$bnhận giá trịc
introducedummy<-function(x,a,b,c){
g<-c(a,b,c)
n<-nrow(x)
newcol<-g[1]
p<-colnames(x)
p2<-c(p,newcol)
new1<-numeric(n)
state<-x[,g[2]]
interest<-g[3]
for(i in 1:n){
if(state[i]==interest){
new1[i]=1
}
else{
new1[i]=0
}
}
x$added<-new1
colnames(x)<-p2
x
}
Chúng tôi cũng có thể sử dụng cSplit_etừ splitstackshape. Sử dụng dữ liệu của @ 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
Để làm cho nó hoạt động cho dữ liệu không phải là số, chúng tôi cần chỉ định rõ ràng typelà"character"
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