R: 给 dataframe 的某列赋值、分组、因子化

###################################################

问题：给某一列赋值、分组、分类、因子化   18.4.24

如何把 data.frame 中的某一列，赋值、即分组分类，，

解决方案：

先 复制 要赋值的这一列，

iris1<- iris;  range(iris1$Sepal.Length)    #[1] 4.3  7.9 得到数据范围，为下面分段

方法一： 常规赋值，，可适用于被赋值列为 numeric、character 均可。为 numeric 时可用< > >= <= 等，character 时可用 == 方式。

iris1$Sepal.Length_fuzhi1 <- iris1$Sepal.Length;

str(iris1)

iris1$Sepal.Length_fuzhi1[iris1$Sepal.Length < 5] <- 1  #条件用 iris1$Sepal.Length 列，而不用新复制的列，是为了防止犯错    

iris1$Sepal.Length_fuzhi1[iris1$Sepal.Length >= 5 & iris1$Sepal.Length < 6] <- 2

iris1$Sepal.Length_fuzhi1[iris1$Sepal.Length >= 6 & iris1$Sepal.Length < 7] <- 3

iris1$Sepal.Length_fuzhi1[iris1$Sepal.Length >= 7] <- 4;

str(iris1)

　　

方法二： 自定义函数去赋值，，用于被赋值列可以比较大小，如 numeric 型，

iris1<- iris
num_assign <- function(temp_df,col_name,clas,newname){         ##此函数为通用函数。。对可以比大小的列进行赋值的函数。
    # temp_data 即要处理的数据框的名字，col_name为数据框中要处理的列名。
    # clas为分组界限组成的向量。。newname为赋值后的新产生的列的列名。、。。。
  temp_df[["temp1"]] = temp_df[["temp"]] <- temp_df[[col_name]];
  CI <- rep("a",length(clas)+1);  #CI 用来显示 原来值与新赋的值 之间对应关系。
  for(i in 1:length(clas)) {
    if(i == 1){    #得到第一个区间
      temp_df[["temp"]][temp_df[["temp1"]] < clas[i]] <- i
      CI[i] <- paste("<",clas[i])
    }else if(i>1 & i<length(clas)){    ###得到 第 2 到第 n-1 个区间
      temp_df[["temp"]][temp_df[["temp1"]] >= clas[i-1] & temp_df[["temp1"]] < clas[i]] <- i
      CI[i] <- paste0(clas[i-1],"<=","x","<",clas[i])
    }else{     #得到第n个和n+1个区间
      temp_df[["temp"]][temp_df[["temp1"]] >= clas[i-1] & temp_df[["temp1"]] < clas[i]] <- i
      CI[i] <- paste0(clas[i-1],"<=","x","<",clas[i])
      temp_df[["temp"]][temp_df[["temp1"]] >= clas[i]] <- i+1
      CI[i+1] <- paste0(">=",clas[i])
    }
  }
  temp_df <- subset(temp_df,select = -temp1)   #删除临时列temp1
  names(temp_df)[names(temp_df)=="temp"] = newname   #将新的列名赋给临时列名。
  assign_explain <- data.frame(num = 1:(length(clas)+1),CI = CI); assign_explain
  result <- list(temp_df=temp_df,assign_explain=assign_explain)
  return(result)
}
#应用上面函数：
iris1 <- num_assign(iris1,"Sepal.Length",c(5,6,7),"fuzhii_")[[1]]
assign_explain_age <- num_assign(iris1,"Sepal.Length",c(5,6,7),"fuzhii_")[[2]]; assign_explain_age

　　方法二： 自定义函数去赋值，，用于被赋值列不能比较大小，如 character 型，

chr_assign <- function(temp_df,col_name,newname){    ##此函数为通用函数。。对不用比大小的列进行赋值的函数。
    # temp_data 即要处理的数据框的名字，col_name为数据框中要处理的列名。
    # 。newname为赋值后的新产生的列的列名。、。。。
    temp_df[["temp1"]] = temp_df[["temp"]] <- as.character(temp_df[[col_name]])
    clas <- as.character(unique(temp_df[["temp1"]]))
    CI <- rep("a",length(clas))    #用来生成原值 和 所赋值的对应关系
    for(i in 1:length(clas)) {
      temp_df[["temp"]][temp_df[["temp1"]] == clas[i]] <- i
      CI[i] <- clas[i]
    }
    temp_df <- subset(temp_df,select = -temp1)   #删除临时列temp1
    names(temp_df)[names(temp_df)=="temp"] = newname   #将新的列名赋给临时列名。
    assign_explain <- data.frame(num = 1:(length(clas)),CI = CI)  #生成赋值与相应区间的对应关系变量
    result <- list(temp_df=temp_df,assign_explain=assign_explain)
    return(result)
}
#应用上面函数：
iris1 <- chr_assign(iris1,"Species","leibie")[[1]]; str(iris1) assign_explain_age <- chr_assign(iris1,"Species","leibie")[[2]]; assign_explain_age

　　

讨论扩展：同上的思路，可以扩展用于分类变量，不限于比较大小的 numeric 型。另外亦可将iris1 作为中间数据框，用 iris1 <- new_data.frame .

扩展1：

筛选条件 iris1$Sepal.Length < 5 返回一个逻辑向量，长度为 iris1 的长度150，这在将来赋值的时候 iris1$Sepal.Length_fuzhi1[iris1$Sepal.Length < 5] <- 1 ，会不会计算 150 次，是TRUE了，赋值，，是 FALSE 了，不赋值。

改换条件方式为：which(iris1$Sepal.Length < 5) 返回一个位置向量，长度为满足筛选条件的行数22，这在将来赋值时候，会不会更有效率。。？？。。

 扩展2：扩展版方法二：一个例子。。可 用于 numeric character 型。。

#将可以比较大小的列，分组、赋值
if(num_or_char == "num"){
  temp_df <- iris1
  temp_df$temp1 = temp_df$temp <- temp_df$Sepal.Length
  clas <- c(5,6,7); clas      ### seq(from=, to=, by=)
  CI <- rep("a",length(clas)+1);    #用来生成赋值后的区间 和 所赋值的对应关系
  for(i in 1:length(clas)) {
    if(i == 1){ #得到第一个区间
      temp_df$temp[temp_df$temp1 < clas[i]] <- i    ### 即满足 <5
      CI[i] <- paste("<",clas[i])
    }else if(i>1 & i<length(clas)){    ###得到 第 2 到第 n-1 个区间
      temp_df$temp[temp_df$temp1 >= clas[i-1] & temp_df$temp1 < clas[i]] <- i    ### 即满足 5 =< x < 6
      CI[i] <- paste0(clas[i-1],"<=","x","<",clas[i])
    }else{     #得到第n个和n+1个区间
      temp_df$temp[temp_df$temp1 >= clas[i-1] & temp_df$temp1 < clas[i]] <- i   ### 即满足 6 =< x < 7
      CI[i] <- paste0(clas[i-1],"<=","x","<",clas[i])
      temp_df$temp[temp_df$temp1 >= clas[i]] <- i+1     ### 即满足 x >= 7
      CI[i+1] <- paste0(">",clas[i])
    }
  }
  temp_df <- subset(temp_df,select = -temp1)   #删除临时列temp1
  names(temp_df)[names(temp_df)=="temp"] = "newname"
  assign_explain <- data.frame(num = 1:(length(clas)+1),CI = CI); assign_explain   #生成赋值与相应区间的对应关系变量
}

#将不能够比较大小的列，分组、赋值
if(num_or_char == "char"){
  temp_df <- iris1
  temp_df$temp1 = temp_df$temp <- as.character(temp_df$Species)
  clas <- as.character(unique(temp_df$temp));clas
  CI <- rep("a",length(clas));     #用来生成原值 和 所赋值的对应关系
  for(i in 1:length(clas)) {
    temp_df$temp[temp_df$temp1 == clas[i]] <- i
    CI[i] <- clas[i]
  }
  temp_df <- subset(temp_df,select = -temp1)   #删除临时列temp1
  names(temp_df)[names(temp_df)=="temp"] = "newname"   #将临时列 temp 重命名为设置的列名
  assign_explain <- data.frame(num = 1:length(clas),CI = CI); assign_explain   #生成赋值与相应区间的对应关系变量
}

#实现按照两列分别分组，且组合后的各种情况分组、赋值

temp_df <- iris1
temp_df$temp1 = temp_df$temp <- temp_df$Sepal.Length
clas <- c(5,6,7); clas      ### seq(from=, to=, by=)
clas2 <- as.character(unique(temp_df$Species));clas2
newname = "SL_Species_"
CI <- rep("a",length(clas)*length(clas2));
num <- rep(1,length(clas)*length(clas2));
k = 1
for(i in 1:length(clas)) {
  for(j in 1:length(clas2)){
    # num[2*(i-1)+j] <- 10*j+i
    if(i == 1){ #得到第一个区间
      temp_df$temp[temp_df$temp1 < clas[i] & temp_df$Species == clas2[j]] <- 10*j+i
      num[k] <- 10*j+i
      CI[k] <- paste0(clas2[j],"且 Sepal.Length","<",clas[i])
    }else if(i>1 & i<length(clas)){    ###得到 第 2 到第 n-1 个区间
      temp_df$temp[temp_df$temp1 >= clas[i-1] & temp_df$temp1 < clas[i] & temp_df$Species == clas2[j]] <- 10*j+i
      num[k] <- 10*j+i
      CI[k] <- paste0(clas2[j],"且 Sepal.Length",clas[i-1],"<=","x","<",clas[i])
    }else{     #得到第n个和n+1个区间
      temp_df$temp[temp_df$temp1 >= clas[i-1] & temp_df$temp1 < clas[i] & temp_df$Species == clas2[j]] <- 10*j+i
      num[k] <- 10*j+i
      CI[k] <- paste0(clas2[j],"且 Sepal.Length",clas[i-1],"<=","x","<",clas[i])
      k <- k+1
      temp_df$temp[temp_df$temp1 >= clas[i] & temp_df$Species == clas2[j]] <- 10*j+(i+1)
      num[k] <- 10*j+(i+1)
      CI[k] <- paste0(clas2[j],"且 Sepal.Length",">=",clas[i])
    }
    k <- k+1
  }
}
temp_df <- subset(temp_df,select = -temp1);str(temp_df)   #删除临时列temp1
names(temp_df)[names(temp_df)=="temp"] = newname
assign_explain <- data.frame(num=num, CI=CI); assign_explain

　　　

另请参阅：for 循环，，自定义函数，，