首页 文章

寻找一种简单的方法来在R中执行Stata的bysort任务

提问于
浏览 次
8

我是R的新手，并且已经挣扎了几天才能做出Stata非常简单的事情 . 朋友给了我一个相对复杂的答案，但是我想知道是否有一种简单的方法可以做到以下几点 .

假设我有一个两个变量数据帧，组织如下：

category    var1 
a            1     
a            2    
a            3     
b            4     
b            6  
b            8   
b           10    
c           11     
c           14      
c           17

我想生成五个额外的变量，每个变量都应该插入到同一个数据帧中： var2 ， var3 ， var4 ， var5 和 var6

（1） var2 是一个虚拟变量，它取每个类别中第一次观察的值1（即由 category 定义的三个组中的每一个），否则为0 .

（2） var3 是一个虚拟变量，它取每个类别中最后一次观察的值1，否则为0 .

（3） var4 计算任何特定观察所属的每组中的观察数量（即， category 为3， category 为4， category 为3）

（4） var5 记录 var1 中每次观察与其上方观察之间的差异

（5） var6 记录 var1 中每个观测值与其上方观测值之间的差异，但仅限于 category 定义的组内 .

我对Stata非常了解，我发现使用 bysort 前缀命令并不难做到 . 例如， var1 很容易生成 var1 . 但是我确定有几个解决方案（我的朋友参与了 ddplyr 包，这似乎比我的工资高出一步） . 没有什么比 bysort 容易吗？

最终数据集应如下所示：

category    var1     var2     var3     var4     var5    var6   
a            1        1        0        3       n/a      n/a
a            2        0        0        3        1        1
a            3        0        1        3        1        1
b            4        1        0        4        1       n/a
b            6        0        0        4        2        2
b            8        0        0        4        2        2
b           10        0        1        4        2        2
c           11        1        0        3        1       n/a
c           14        0        0        3        3        3
c           17        0        1        3        3        3

非常感谢任何建议，提前 . 对不起新手问题;我确信这在其他地方得到了解答，但是尽管经过了数小时的搜索，我还是找不到它 .

r stata

2 回答

  • 9

    答案使用 dplyr

    library(dplyr)
dat <- dat %>%
 group_by(category) %>%
 mutate(var2 = ifelse(row_number() == 1, 1, 0))%>%
 mutate(var3 = ifelse(row_number() == n(), 1, 0)) %>%
 mutate(var4 = n()) %>%
 mutate(var6 = lag(var1, 1)) %>%
 ungroup() %>%
 mutate(var5 = lag(var1, 1))
    回复于
  • 4
    dat <- read.table(header = TRUE, 
           text = 
'category    var1 
a            1     
a            2    
a            3     
b            4     
b            6  
b            8   
b           10    
c           11     
c           14      
c           17')


(dat <- within(dat, {
  var6 <- ave(var1, category, FUN = function(x) c(NA, diff(x)))
  var5 <- c(NA, diff(var1))
  var4 <- ave(var1, category, FUN = length)
  var3 <- rev(!duplicated(rev(category))) * 1
  var2 <- (!duplicated(category)) * 1
}))

#    category var1 var2 var3 var4 var5 var6
# 1         a    1    1    0    3   NA   NA
# 2         a    2    0    0    3    1    1
# 3         a    3    0    1    3    1    1
# 4         b    4    1    0    4    1   NA
# 5         b    6    0    0    4    2    2
# 6         b    8    0    0    4    2    2
# 7         b   10    0    1    4    2    2
# 8         c   11    1    0    3    1   NA
# 9         c   14    0    0    3    3    3
# 10        c   17    0    1    3    3    3
    回复于

相关问题