使用字符串字符位置标识创建一个新变量

Question

所以我已经能够实现我想要的输出，但我确信可以使用string来实现更高效的代码。

让这个数据

set.seed(123) 

A <- 1:100 
type.a <- rnorm(100, mean=5000, sd=1433) 
type.b <- rnorm(100, mean=5000, sd=1425) 
type.c <- rnorm(100, mean=5000, sd=1125) 
type.d <- rnorm(100, mean=5000, sd=1233) 

df1 <- data.frame(A, type.a, type.b, type.c, type.d) 

起到现在，我们要为df1创建一个新的变量，该变量的身份，如果以数字1开始了type(a:d)所以我已经使用这个代码：

df1$Type_1 <- with(df1, ifelse((type.a < 2000 & type.a > 999)|(type.b < 2000 & type.c > 999)| 
           (type.c < 2000 & type.c > 999)|(type.d < 2000 & type.d > 999), 1,0)) 

或类似地，这也是：

df1$type_1 <- with(df1, ifelse(type.a < 2000 & type.a > 999, 1, 
           ifelse(type.b < 2000 & type.c > 999, 1, 
            ifelse(type.c < 2000 & type.c > 999, 1, 
              ifelse(type.d < 2000 & type.d > 999, 1,0))))) 

现在我的问题形式两个部分

你怎么能使用string这将着眼于只有第一位的type(a:d)，以测试它是否等于我们的约束。 （在本例中等于1）

其次，我有四列以上的数据。因此，我不认为这是有效的，我每次指定列名称。可以使用[,x:y]吗？

然后，代码被用于创建数据的9个新列（即TYPE_1 & TYPE_2 ... type_9。）作为第一位数我们type(a:d)的的范围是1：9

Answer 1

我们可以使用substr来提取字符串的第一个字符。由于有四列以type开头，所以我们可以使用grep来获得列的数字索引，我们用lapply循环列，检查第一个字符是否等于1.如果我们想知道是否至少有一列满足条件的价值，我们可以用any来包装它。使用lapply会为每个list元素返回一个长度为1的list输出。由于我们需要一个二进制（0/1）而不是逻辑（FALSE/TRUE），我们可以用+进行换行来强制逻辑到二进制表示。

indx <- grep('^type', colnames(df1)) 
lapply(df1[indx], function(x) +(any(substr(x, 1, 1)==1))) 

如果我们需要一个矢量输出端通过@akrun

vapply(df1[indx], function(x) +(any(substr(x, 1, 1)==1)), 1L) 

Answer 2

大和优雅的答案。我对你的问题的第二部分感兴趣。具体说明你将如何使用第一部分来创建你提到的新的9列。我不知道我是否缺少某些东西，但不是每次检查第一个元素是否与1,2,3等相匹配，都可以简单地捕获第一个元素。事情是这样的：

library(dplyr) 
library(tidyr) 


set.seed(123) 

A <- 1:100 
type.a <- rnorm(100, mean=5000, sd=1433) 
type.b <- rnorm(100, mean=5000, sd=1425) 
type.c <- rnorm(100, mean=5000, sd=1125) 
type.d <- rnorm(100, mean=5000, sd=1233) 

df1 <- data.frame(A, type.a, type.b, type.c, type.d) 


    df1 %>% 
    group_by(A) %>% 
    mutate_each(funs(substr(.,1,1))) %>%      # keep first digit 
    ungroup %>% 
    gather(variable, type, -A) %>%       # create combinations of rows and digits 
    select(-variable) %>% 
    mutate(type = paste0("type_",type), 
     value = 1) %>% 
    group_by(A,type) %>%          
    summarise(value = sum(value)) %>%      # count how many times the row belongs to each type 
    ungroup %>% 
    spread(type, value, fill=0) %>%       # create the new columns 
    inner_join(df1, by="A") %>%        # join back initial info 
    select(A, starts_with("type."), starts_with("type_")) # order columns 


#  A type.a type.b type.c type.d type_1 type_2 type_3 type_4 type_5 type_6 type_7 type_8 type_9 
# 1 1 4196.838 3987.671 7473.662 4118.106  0  0  1  2  0  0  1  0  0 
# 2 2 4670.156 5366.059 6476.465 4071.935  0  0  0  2  1  1  0  0  0 
# 3 3 7233.629 4648.464 4701.712 3842.782  0  0  1  2  0  0  1  0  0 
# 4 4 5101.039 4504.752 5611.093 3702.251  0  0  1  1  2  0  0  0  0 
# 5 5 5185.269 3643.944 4533.868 4460.982  0  0  1  2  1  0  0  0  0 
# 6 6 7457.688 4935.835 4464.222 5408.344  0  0  0  2  1  0  1  0  0 
# 7 7 5660.493 3881.511 4112.822 2516.478  0  1  1  1  1  0  0  0  0 
# 8 8 3187.167 2623.183 4331.056 5261.372  0  1  1  1  1  0  0  0  0 
# 9 9 4015.740 4458.177 6857.271 6524.820  0  0  0  2  0  2  0  0  0 
# 10 10 4361.366 6309.570 4939.218 7512.329  0  0  0  2  0  1  1  0  0 
# .. ..  ...  ...  ...  ... ... ... ... ... ... ... ... ... ... 

例如，当我们有列A和B开头：

library(dplyr) 
library(tidyr) 


    set.seed(123) 

    A <- 1:100 
    B <- 101:200 
    type.a <- rnorm(100, mean=5000, sd=1433) 
    type.b <- rnorm(100, mean=5000, sd=1425) 
    type.c <- rnorm(100, mean=5000, sd=1125) 
    type.d <- rnorm(100, mean=5000, sd=1233) 

    df1 <- data.frame(A,B, type.a, type.b, type.c, type.d) 


    # work by grouping on A and B 
df1 %>% 
    group_by(A,B) %>% 
    mutate_each(funs(substr(.,1,1))) %>%     
    ungroup %>% 
    gather(variable, type, -c(A,B)) %>%      
    select(-variable) %>% 
    mutate(type = paste0("type_",type), 
     value = 1) %>% 
    group_by(A,B,type) %>%          
    summarise(value = sum(value)) %>% 
    ungroup %>% 
    spread(type, value, fill=0) %>%      
    inner_join(df1, by=c("A","B")) %>%        
    select(A,B, starts_with("type."), starts_with("type_")) 


#  A B type.a type.b type.c type.d type_1 type_2 type_3 type_4 type_5 type_6 type_7 type_8 type_9 
# 1 1 101 4196.838 3987.671 7473.662 4118.106  0  0  1  2  0  0  1  0  0 
# 2 2 102 4670.156 5366.059 6476.465 4071.935  0  0  0  2  1  1  0  0  0 
# 3 3 103 7233.629 4648.464 4701.712 3842.782  0  0  1  2  0  0  1  0  0 
# 4 4 104 5101.039 4504.752 5611.093 3702.251  0  0  1  1  2  0  0  0  0 
# 5 5 105 5185.269 3643.944 4533.868 4460.982  0  0  1  2  1  0  0  0  0 
# 6 6 106 7457.688 4935.835 4464.222 5408.344  0  0  0  2  1  0  1  0  0 
# 7 7 107 5660.493 3881.511 4112.822 2516.478  0  1  1  1  1  0  0  0  0 
# 8 8 108 3187.167 2623.183 4331.056 5261.372  0  1  1  1  1  0  0  0  0 
# 9 9 109 4015.740 4458.177 6857.271 6524.820  0  0  0  2  0  2  0  0  0 
# 10 10 110 4361.366 6309.570 4939.218 7512.329  0  0  0  2  0  1  1  0  0 
# .. .. ...  ...  ...  ...  ... ... ... ... ... ... ... ... ... ... 

然而，在这种情况下，你应该注意到，您有一个每行的值。所以，为了定义你的行（以一种独特的方式），B并不是真的需要。因此，您可以准确地工作，像以前那样（当B是不存在）和刚刚加入B到你的结果：

df1 %>% 
     select(-B) %>% 
     group_by(A) %>% 
     mutate_each(funs(substr(.,1,1))) %>%     
     ungroup %>% 
     gather(variable, type, -A) %>%       
     select(-variable) %>% 
     mutate(type = paste0("type_",type), 
      value = 1) %>% 
     group_by(A,type) %>%          
     summarise(value = sum(value)) %>%   # count how many times the row belongs to each type 
     ungroup %>% 
     spread(type, value, fill=0) %>%       
     inner_join(df1, by="A") %>%        
     mutate(B=B) %>% 
     select(A,B, starts_with("type."), starts_with("type_"))