Tengo un marco de datos como;

   Groups   Value
    G1  NA
    G1  NA
    G1  NA
    G1  23
    G2  NA
    G2  NA
    G2  NA
    G2  NA
    G2  NA
    G2  NA
    G3  34
    G3  21
    G4  NA
    G4  NA
    G5  NA
    G5  45

Y estoy buscando un código en R para obtener otro marco de datos con valores binarios (1 para al menos un Valor en el grupo fue a> = 1) y (0 para Grupos que contienen solo valores de NA)

Y obtener un nuevo datagrama como:

G1  G2  G3  G4  G5
1   0   1   0   1

Gracias por tu ayuda.

r dataframe logic
3
chippycentra 10 may. 2019 a las 17:35

4 respuestas

La mejor respuesta

Podemos usar la base R aggregate

aggregate(Value > 1~Groups, df1, any, na.rm = TRUE, na.action = na.pass)

#  Groups Value > 1
#1     G1      TRUE
#2     G2     FALSE
#3     G3      TRUE
#4     G4     FALSE
#5     G5      TRUE

Si necesita valores 1/0 en lugar de TRUE/FALSE, puede hacer

aggregate(Value~Groups, df1, function(x) 
           +(any(x > 1, na.rm = TRUE)), na.action = na.pass)

#  Groups Value
#1     G1     1
#2     G2     0
#3     G3     1
#4     G4     0
#5     G5     1
1
Ronak Shah 10 may. 2019 a las 14:48

Con dplyr, también puedes hacer:

df %>%
 group_by(Groups) %>%
 summarise(Value = as.integer(any(!is.na(Value))))

  Groups Value
  <chr>  <int>
1 G1         1
2 G2         0
3 G3         1
4 G4         0
5 G5         1

O:

df %>%
 group_by(Groups) %>%
 summarise(Value = as.integer(max(Value, na.rm = TRUE) > 0))
1
tmfmnk 10 may. 2019 a las 14:52

Al usar la condición de bucle podemos extraer el mismo

Datos

data <- data.frame (Groups =rep(c("G1","G2"), each = 4),  Value = c(NA,NA,NA,23,NA,NA,NA,NA))

Lazo

for (i in unique(data$Groups)){
  data$new_value[data$Groups==i] <- ifelse(sum(data$Value[data$Groups==i],na.rm = T)>1,1,0)
}


data1 <- unique(data[,c(1,3)])

Groups new_value
  G1         1
  G2         0
0
Arun kumar mahesh 10 may. 2019 a las 15:11

Podemos hacerlo con table de base R. Obtenga la columna 'Valor' como vector lógico (!is.na), y encuentre la tabla de frecuencias con 'Grupos', verifique si la frecuencia es mayor que 0, convierta el vector lógico a binario con as.integer o +

+(table(df1$Groups, !is.na(df1$Value))[,2] > 0)
# G1 G2 G3 G4 G5 
# 1  0  1  0  1

O usando rowsum de base R

rowsum(+!is.na(df1$Value), df1$Groups)

NOTA: Ambos métodos anteriores son base R - No se utilizan paquetes

O usando tidyverse

library(tidyverse)
df1 %>% 
  group_by(Groups) %>%
  summarise_all(list(~ as.integer(sum(!is.na(.)) > 0)))
# A tibble: 5 x 2
#  Groups Value
#   <chr>  <int>
#1 G1         1
#2 G2         0
#3 G3         1
#4 G4         0
#5 G5         1

O con data.table

library(data.table)
setDT(df1)[, +(sum(!is.na(Value)) > 0), Groups]

Datos

df1 <- structure(list(Groups = c("G1", "G1", "G1", "G1", "G2", "G2", 
"G2", "G2", "G2", "G2", "G3", "G3", "G4", "G4", "G5", "G5"), 
    Value = c(NA, NA, NA, 23L, NA, NA, NA, NA, NA, NA, 34L, 21L, 
    NA, NA, NA, 45L)), class = "data.frame", row.names = c(NA, 
-16L))
3
akrun 10 may. 2019 a las 14:48

Preguntas relacionadas

14 Agregar una nueva columna al DataFrame existente en los pandas de Python
10 ¿Cómo obtener un valor de una celda de un marco de datos?
8 ¿Cómo seleccionar filas de un DataFrame basado en valores de columna?
7 Obtenga estadísticas para cada grupo (como conteo, media, etc.) usando pandas GroupBy?

Nuevas preguntas

3 Mutar nueva variable por condición
2 Cómo crear una nueva columna basada en dos IDS coincidentes de dataframe de diferente longitud en R
3 Bucle que solo genera la última iteración de datos en R
2 valor de retorno de la instrucción if en r
2 Cómo asignar valores en una columna a otras columnas en datos amplios usando R
2 Calcular probabilidades condicionales para variables ficticias en R
2 Usar dplyr para verificar los valores de varias filas que cumplen una condición (excepto todas las filas donde la columna de fecha cae en un período específico)
2 Evite las NA al intersectar la matriz
2 Multiplica ciertos elementos de un vector en R
2 Trazar los resultados del árbol de decisión de tidymodels
Nuevas preguntas con la etiqueta r >

r

R es un entorno de software y lenguaje de programación gratuito y de código abierto para computación estadística, bioinformática, visualización y computación general. Proporcione ejemplos mínimos y reproducibles junto con la salida deseada. Use `dput ()` para los datos y especifique todos los paquetes no base con llamadas a `library ()`. No incruste imágenes para datos o código, use bloques de código sangrado en su lugar. Para preguntas relacionadas con estadísticas, use https://stats.stackexchange.com.

r...