在 R 中创建虚拟变量的简单方法

Question

我想知道如何简单地创建虚拟变量。我在 dummy 上发现了很多类似的问题，但它们要么是基于一些外部包，要么是技术性的。

我有这样的数据：

df <- data.frame(X=rnorm(10,0,1), Y=rnorm(10,0,1))
df$Z <- c(NA, diff(df$X)*diff(df$Y))

Z 在 df 中创建一个新变量，即 X 变化和 Y 变化的乘积。现在我想在 df 中创建一个虚拟变量 D，如果：Z < 0 那么 D==1，如果 Z >0 那么 D==0。

我这样试过：

df$D <- NA
for(i in 2:10) {
if(df$Z[i] <0 ) {
D[i] ==1
}
if(df$Z[i] >0 ) {
D[i] ==0
}}

这是行不通的。我想知道为什么上面的代码不起作用（使用简单的方法），以及如何在不使用任何外部包的情况下在 R 中创建虚拟变量，只需一点解释。

Answer 1

我们可以通过 df$Z < 0 创建一个逻辑向量，然后通过用 + 包装将其强制转换为二进制。

 df$D <- +(df$Z <0)

或者正如@BenBolker 提到的，规范的选项是

as.numeric(df$Z < 0)

或

as.integer(df$Z < 0)

基准

set.seed(42)
Z <- rnorm(1e7)
library(microbenchmark)
microbenchmark(akrun= +(Z < 0), etienne = ifelse(Z < 0, 1, 0),
           times= 20L,  unit='relative')
#    Unit: relative
#    expr      min       lq     mean   median      uq      max neval
#   akrun  1.00000  1.00000 1.000000  1.00000 1.00000 1.000000    20
# etienne 12.20975 10.36044 9.926074 10.66976 9.32328 7.830117    20

Answer 2

尝试：

df$D<-ifelse(df$Z<0,1,0)
df
            X           Y           Z  D
1  -0.1041896 -1.11731404          NA NA
2  -1.4286604  1.42523717 -3.36753491  1
3   0.3931643 -0.05525477 -2.69719691  1
4  -0.2236541  1.64531526 -1.04894297  1
5   1.1725167  0.80063291 -1.17932089  1
6   0.7571427  0.64072381  0.06642209  0
7   0.4929186  1.25125268 -0.16131645  1
8   0.9715885 -0.54755653 -0.86103574  1
9  -0.2962052 -1.37459521  1.04851438  0
10 -1.4838675 -0.85788632 -0.61367565  1

ifelse函数有 3 个参数：要计算的条件 df$Z<0，条件为 TRUE 时的值：1 和条件为 [=14= 时的值] : 0。该函数是矢量化的，因此在这种情况下效果很好。

Answer 3

你可以试试

df$D[df$Z<0]<-1
df$D[df$Z>0]<-0

但是你应该考虑Z可以为0的可能性

在 R 中创建虚拟变量的简单方法

Simple way of creating dummy variable in R

r

dummy-variable

基准