Eine effiziente Möglichkeit, mehrere Indikatorvariablen pro Zeile anzugeben?

Question

einen "leeren" Indikatoren Datenrahmen Gegeben:

Index Ind_A Ind_B 
    1  0  0 
    2  0  0 
    3  0  0 
    4  0  0 

und einen Datenrahmen von Werten:

Index Indicators 
    1   Ind_A 
    3   Ind_A 
    3   Ind_B 
    4   Ind_A 

Ich mag am Ende mit:

Index Ind_A Ind_B 
    1  1  0 
    2  0  0 
    3  1  1 
    4  1  0 

Gibt es eine Möglichkeit zu tun dies ohne eine for-Schleife?

Answer 1

indicator <- data.frame(Index=1:4,Ind_A=rep(0,4),Ind_B=rep(0,4)); 
values <- data.frame(Index=c(1,3,3,4),Indicators=c('Ind_A','Ind_A','Ind_B','Ind_A')); 
indicator[cbind(match(values$Index,indicator$Index),match(values$Indicators,names(indicator)))] <- 1; 
indicator; 
## Index Ind_A Ind_B 
## 1  1  1  0 
## 2  2  0  0 
## 3  3  1  1 
## 4  4  1  0 

---

Die wichtigste Änderung in Ihrem bearbeiten ist, dass indicator$Index jetzt tut nicht eindeutige Werte (zumindest nicht auf eigene) enthalten, so dass eine einfache match()values$Index-indicator$Index unzureichend ist. Stattdessen müssen wir einen outer() Gleichheitstest sowohl auf Index als auch auf Index2 ausführen, um eine Matrix von logischen Daten zu erhalten, die angeben, welche Zeilen in indicator Zeile values auf beiden Schlüsseln übereinstimmen. Unter der Annahme, dass der zweispaltige zusammengesetzte Schlüssel eindeutig ist, können wir dann den Zeilenindex in indicator aus dem linearen (Vektor-) Index berechnen, der von which() zurückgegeben wird.

indicator[cbind((which(outer(values$Index,indicator$Index,`==`)&outer(values$Index2,indicator$Index2,`==`))-1)%/%nrow(values)+1,match(values$Indicators,names(indicator)))] <- 1; 
indicator; 
## Index Index2 Ind_A Ind_B 
## 1  1  10  1  1 
## 2  1  11  1  0 
## 3  2  10  0  1 
## 4  2  12  1  0 
## 5  3  10  1  0 
## 6  3  12  1  0 
## 7  4  10  1  1 
## 8  4  12  1  0 

Hier ist eine andere Lösung mit merge():

indicator[cbind(merge(values,cbind(indicator,row=1:nrow(indicator)))$row,match(values$Indicators,names(indicator)))] <- 1; 
indicator; 
## Index Index2 Ind_A Ind_B 
## 1  1  10  1  1 
## 2  1  11  1  0 
## 3  2  10  0  1 
## 4  2  12  1  0 
## 5  3  10  1  0 
## 6  3  12  1  0 
## 7  4  10  1  1 
## 8  4  12  1  0 

Leistung

Die erste Lösung performanter ist:

first <- function() indicator[cbind((which(outer(values$Index,indicator$Index,`==`)&outer(values$Index2,indicator$Index2,`==`))-1)%/%nrow(values)+1,match(values$Indicators,names(indicator)))] <<- 1; 
second <- function() indicator[cbind(merge(values,cbind(indicator,row=1:nrow(indicator)))$row,match(values$Indicators,names(indicator)))] <<- 1; 
N <- 10000; 
system.time({ replicate(N,first()); }); 
## user system elapsed 
## 2.032 0.000 2.041 
system.time({ replicate(N,first()); }); 
## user system elapsed 
## 2.047 0.000 2.038 
system.time({ replicate(N,second()); }); 
## user system elapsed 
## 12.578 0.000 12.592 
system.time({ replicate(N,second()); }); 
## user system elapsed 
## 12.64 0.00 12.66 

Answer 2

I Matrizen verwenden würde:

ind_mat <- as.matrix(ind_df[,-1]); rownames(ind_mat) <- ind_df[,1] 
val_mat <- cbind(match(val_df$Index,ind_df[,1]),match(val_df$Indicators,names(ind_df[-1]))) 

ind_mat[val_mat] <- 1L 
# Ind_A Ind_B 
# 1  1  0 
# 2  0  0 
# 3  1  1 
# 4  1  0 

Sie brauchen wahrscheinlich nicht "Index" als eine Spalte und können nur diese als rownames setzen. Wenn (i) Ihre Wertematrix relativ zur Indexmatrix klein ist und (ii) Ihre Indexspalte gleich 1:nrow(ind_df) ist, sollten Sie in einer dünn besetzten Matrix speichern.

---

In Bezug auf Zwang zu einer Matrix, dauert es sehr wenig Zeit und den Aufwand, zu zwingen, später für alle Matrixoperationen vermeiden. Hier ein Beispiel:

n = 1e4 
nind = 1e3 
y <- rnorm(n) 
x <- matrix(sample(0:1,size=n*nind,replace=TRUE),ncol=nind) 
xd <- data.frame(1:nrow(x),x) 

# timing: 0.04 seconds on my computer 
system.time(as.matrix(xd[,-1])) 

# messiness, e.g., for OLS y~0+x: immense 
solve(t(as.matrix(xd[,-1]))%*%as.matrix(xd[,-1]))%*%(t(as.matrix(xd[,-1]))%*%y) 

Die letzte Zeile können Sie einen matrix um zu vermeiden halten; Ich verstehe den Punkt nicht.

Answer 3

ich tun würde, direkt:

df = transform(df, Index=factor(Index, level=min(Index):max(Index))) 
as.data.frame.matrix(table(df)) 
# Ind_A Ind_B 
#1  1  0 
#2  0  0 
#3  1  1 
#4  1  0 

Daten:

df = structure(list(Index = c(1, 3, 3, 4), Indicators = c("Ind_A", 
"Ind_A", "Ind_B", "Ind_A")), .Names = c("Index", "Indicators" 
), row.names = c(NA, -4L), class = "data.frame")