R语言数据处理 之 创建新变量

初步的数据处理，通常要创建新的变量。其实，创建新变量可以：

• 避开未经处理的数据未有所需数据的难处；
• 变换一些已有数据，以更好的为下一步分析作准备；

而常创建的新变量有：

•  缺失值指针 (Missingness indicators) ：指出在哪些地方有数据缺失 
• 分段数值型数据 ("Cutting Up" quantitative variables)：数值型变量对应一些特定值划分而成的因子变量，是数值型变量对应一些特定值划分而成的因子变量
• Applying transforms： 对有着特殊分布的数据进行变换

  ---

   

一、添加新变量

1.1了解相关的运算符：

可以利用创建表达式来构建新的变量，下面介绍一下R的运算符表达：

+	加
-	减
*	乘
/	除
^ 或者**	求幂
x%%y	求余
x%/%y	整数除法

  而创建新变量除了常用的：

data$new_var<- data$x1+data$x4

还有运用transform（）函数来构建：

> data<-transform(data,
                  new1 = (x1+x2)/2,
                  new2 = x1-x3)

两种方法，各有优点，但第二种方法更加适用于增加多变量的情况。 

---

·seq() 

拿到数据后，第一步是：创建数列（create sequences）。 通常你要做的就是告诉 seq() 数列的最小值和最大值。然后有3种方法可以确定要生成多少个值，一种就是用 by= 命令;另一种方法就是声明这个数列向量的长度length=；使用 seq(along = x)它就会生成一个和 x 一样长的向量，其中包含一串连续的序号，你可以用它们来进行遍历 或者获取数据集的子集

seq(from = 1, to = 1, by = ((to - from)/(length.out - 1)),
       length.out = NULL, along.with = NULL, ...)

---

1.2添加一个变量来表述该数据中的子集是否存在某变量

%in%用于：创建某种变量，这个变量指示另一个变量出自哪一个子集：

#用大家比较熟悉的入门数据cars来演示一下：
> data(cars)
> head(cars)
  speed dist
1     4    2
2     4   10
3     7    4
4     7   22
5     8   16
6     9   10

添加一个新变量来描述车是不是快车（speed>=8）

> cars$fast<-cars$speed %in% c(8,9)
> head(cars$fast)
[1] FALSE FALSE FALSE FALSE  TRUE  TRUE
> head(cars)
  speed dist  fast
1     4    2 FALSE
2     4   10 FALSE
3     7    4 FALSE
4     7   22 FALSE
5     8   16  TRUE
6     9   10  TRUE
> table(cars$fast)

FALSE  TRUE 
   48     2 

---

1.3 利用逻辑算符 

 利用逻辑算符，可以返回T/F 来进行新变量的创建：

<	小于
<=	小于/等于
>	大于
>=	大于/等于
==	严格等于
！=	不等于
！x	不是x
x|y	x或y
isTRUE(x）	测试x是否为True

再具体通过演示代码来看一下，还是用比较熟悉的mtcars数据来演示：

> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

创建一个carbsize来描述分类carb的大小，如下所示： 

> mtcars$carbsize[mtcars$carb<4] <-"small"
> mtcars$carbsize[mtcars$carb>=4] <-"big"
> head(mtcars)
##                 mpg cyl disp  hp drat    wt  qsec vs am gear carb carbsize
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4      big
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4      big
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1    small
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1    small
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2    small
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1    small

 

---

1.4创建二进制变量（binary variables）

 用ifelse()，同样用上面cars来做：

function (test, yes, no) 

> cars$slow<-ifelse(cars$speed<=10,T,F)
> table(cars$slow)

FALSE  TRUE 
   41     9 
> cars$slow<-ifelse(cars$speed<=10,1,0)
> table(cars$slow)

 0  1 
41  9 

 

最后 做一张如下的关系表。

> table(cars$slow,cars$speed<=10)
   
    FALSE TRUE
  0    41    0
  1     0    9

这是一种过滤数据值的简单方法。

---

1.5数值型创建类别变量（categorical variables）

> cut function (x, ...)  UseMethod("cut") <bytecode: 0x000000000d2a7e00> <environment:namespace:base>

> cut2 function (x, cuts, m = 150, g, levels.mean = FALSE, digits, minmax = TRUE,      oneval = TRUE, onlycuts = FALSE)

---

二、因子变量（factor variables）

> factor
function (x = character(), levels, labels = levels, exclude = NA, 
               ordered = is.ordered(x), nmax = NA) 

不止factor（），上述的cut2（）也会产生不同分组的因子变量

---

三、用 mutate() 函数来构建一种新的变量

> library(plyr)
> mutate
function (.data, ...) 
{
    stopifnot(is.data.frame(.data) || is.list(.data) || is.environment(.data))
    cols <- as.list(substitute(list(...))[-1])
    cols <- cols[names(cols) != ""]
    for (col in names(cols)) {
        .data[[col]] <- eval(cols[[col]], .data, parent.frame())
    }
    .data
}
<environment: namespace:plyr>

---

四、其他常见的转换：整理其中一些如下

• abs(x)  : absolute value
• sqrt(x) : square root
• ceiling(x) : ceiling(3.14159) to 4
• floor(x) : floor（3.14159）to  4
• round(x,digits=n) : round(3.14159,digits=2) to 3.14
• signif ((x,digits=n)) : signif(3.14159,digits=2) to 3.1
• cox(x), sin(x)......
• log(x)
• log2(x),.....
• exp(x)