Я изо всех сил пытаюсь создать переменную для моего текущего проекта. Я использую R версии 4.0.1 в Windows.
Описание данных
У меня есть несбалансированные данные панели в data.table
, содержащем 243 переменных (до выполнения команд) и 8 278 наблюдений. Данные однозначно идентифицируются ID
и period
. Кроме того, в столбцах 69:135
у меня есть фиктивные переменные для разных регионов (2 = да, компания работает в регионе; 1 = нет, компания не работает в регионе), а в столбцах 178:244
запаздывают версии одних и тех же переменных из столбцов 69:135
, сгруппированных по идентификатору. Вот небольшой пример данных:
dat <-
data.table(id = as.factor(c(rep("C001", 3), "C002", rep("C003", 5), rep("C004", 2), rep("C005", 7))),
period = as.factor(c(1, 2, 3, 2, 1, 4, 5, 6, 10, 3, 4, 2, 3, 4, 7, 8, 9, 10)),
region1 = as.factor(c(NA, NA, 2, 1, NA, 1, 2, 2, 1, NA, 1, rep(NA, 7))),
region2 = as.factor(c(1, 2, 1, 1, NA, NA, 2, 1, 2, 1, 1, rep(NA, 7))),
industry = as.factor(c(rep("Finance", 3), "Culture", rep("Nutrition", 5), rep("Finance", 2), rep("Medicine", 7))),
number_employees = as.numeric(c(10, 10, 12, 2, 2, 4, 4, 4, 4, 18, 25, 100, 110, 108, 108, 120, 120, 120)),
lag_region1 = as.factor(c(rep(NA, 6), 1, 2, 2, rep(NA, 9))),
lag_region2 = as.factor(c(NA, 1, 2, rep(NA, 4), 2, 1, NA, 1, rep(NA, 7))))
#this gives (last 8 rows are not printed):
# id period region1 region2 industry number_employees lag_region1 lag_region2
# 1: C001 1 <NA> 1 Finance 10 <NA> <NA>
# 2: C001 2 <NA> 2 Finance 10 <NA> 1
# 3: C001 3 2 1 Finance 12 <NA> 2
# 4: C002 2 1 1 Culture 2 <NA> <NA>
# 5: C003 1 <NA> <NA> Nutrition 2 <NA> <NA>
# 6: C003 4 1 <NA> Nutrition 4 <NA> <NA>
# 7: C003 5 2 2 Nutrition 4 1 <NA>
# 8: C003 6 2 1 Nutrition 4 2 2
# 9: C003 10 1 2 Nutrition 4 2 1
#10: C004 3 <NA> 1 Finance 18 <NA> <NA>
Желаемый результат
Я хочу создать новую фиктивную переменную left_region
, которая будет равна да, если компания покинула хотя бы один регион за соответствующий период. Я хотел подойти к этой проблеме, сравнив столбец 69 со столбцом 178, 70–179, 71–180 и т. Д. left_region
следует установить в значение «да», если, например, dt[, 69] == 1 & dt[, 178] == 2
(так что left_region
равно «да», если компания покидает регион, в котором она работала раньше). Желаемый результат выглядит так:
# desired result (last 8 rows are not printed):
# id period region1 region2 industry number_employees lag_region1 lag_region2 left_region
# 1: C001 1 <NA> 1 Finance 10 <NA> <NA> no
# 2: C001 2 <NA> 2 Finance 10 <NA> 1 no
# 3: C001 3 2 1 Finance 12 <NA> 2 yes
# 4: C002 2 1 1 Culture 2 <NA> <NA> no
# 5: C003 1 <NA> <NA> Nutrition 2 <NA> <NA> no
# 6: C003 4 1 <NA> Nutrition 4 <NA> <NA> no
# 7: C003 5 2 2 Nutrition 4 1 <NA> no
# 8: C003 6 2 1 Nutrition 4 2 2 yes
# 9: C003 10 1 2 Nutrition 4 2 1 yes
#10: C004 3 <NA> 1 Finance 18 <NA> <NA> no
Описание проблемы
Однако я изо всех сил пытаюсь запустить это для всех наблюдений сразу. Я пробовал использовать ifelse()
в for
loop. Чтобы это сработало, мне пришлось сделать свой data.table
a data.frame
first.
# generate empty cells
df <- data.frame(matrix(NA, nrow = 8278, ncol = 67))
# combine prior data.table and new data.frame in large data.frame (with data.table the following loop does not work)
dt <- as.data.frame(cbind(dt, df))
# loop through 67 columns comparing 69 to 178, 70 to 179, etc.
for (i in 69:135) {
dt[, i + 176] <- ifelse(is.na(dt[, i]) & is.na(dt[, (i + 109)]), NA,
ifelse(dt[, i] == 1 & dt[, (i + 109)] == 2, "yes", "no"
)
)
}
# generate final dummy variable left_region --> there is some error here
dt$left_region <-
ifelse(any(dt[, c(245:311)] == "yes"), "yes", "no")
Однако выполнение последнего ifelse()
в сочетании с any()
приводит к left_region
, содержащему только да для каждого из 8 278 наблюдений.
Я проверил, как ведет себя последняя команда ifelse()
, если использовал только одно наблюдение.
#take out one observation
one_row <- dt[7, ]
library(dplyr)
# generate left_region for one observation only
new <-
one_row %>%
mutate(left_region = ifelse(any(one_row[, c(245:311)] == "yes"), "yes", "no"))
Выбранное наблюдение должно генерировать _23 _ == нет, но в этом случае происходит обратное. Похоже, что почему-то последний ifelse()
аргумент № не зарегистрирован Р.
Помимо того, что это не лучшее решение проблемы, ее не решает и включение комбинации ifelse()
и any()
в цикл for()
. В этом случае left_region
принимает ответ «да» только в 270 случаях, но все же никогда не принимает «нет».
for (i in 1:nrow(dt)) {
dt$left_region[i] <-
ifelse(any(dt[i, c(245:311)] == "yes"), "yes", "no")
}
Кто-нибудь знает, почему так происходит? Что мне нужно сделать, чтобы получить желаемый результат? Любая идея приветствуется!
Очень надеюсь, что мне удалось все объяснить легко и понятно. Большое спасибо заранее!
dt$left_region <- ifelse(rowSums(dt[, c(245:311)] == 'yes') > 0, 'yes', 'no')
- person rawr   schedule 16.01.2021na.rm = T
, что означаетdt$left_region <- ifelse(rowSums(dt[, c(245:311)] == 'yes', na.rm = T) > 0, 'yes', 'no')
. - person ilka   schedule 18.01.2021