如何优雅地计算多变量
作者:包寒吴霜
中科院心理所硕士在读(名字/人格/社会/文化心理学)
知乎:https://www.zhihu.com/people/psychbruce
社会科学研究经常会遇到“超多变量”的情况——多量表、多维度、多题项,以及复杂的正反计分题……如何更高效地计算量表总分?如何更简洁地进行反向计分?
本文将为大家分享如何使用R语言(data.table包 + 自编函数)优雅地计算多变量。
当我们的数据中存在成百上千个变量时,不仅变量管理存在一定的难度,而且变量计算也会变得比较复杂。如果使用R来处理,有哪些现存的方法呢?
dplyr包的mutate函数(需再次赋值给data)
1data=mutate(data, X=x1+x2+x3, Y=y1+y2+y3)
data.table包的“:=”函数(原地更新,无需赋值)
1# 单变量计算2data[, X:=x1+x2+x3]3# 多变量同时计算4data[, ":="(X=x1+x2+x3, Y=y1+y2+y3)]
变量少还好说,然而,一旦遇到几十个甚至几百个变量,我们都希望利用更简便的方法来计算总分或平均分,而不是一个个敲变量名。
首先,直接使用sum(...)或mean(...)是行不通的,大家可以自行尝试(算出来的其实是每一列的总分而不是每一行的总分)。实际上,我们需要用mapply把相关函数施加于各个变量上,这样才能分别对每一行计算总分:
1data[, ":="(Xsum=mapply(sum, x1, x2, x3))]
这只是一个初步的解决思路,但依然尚未解决多变量的问题——我们并不想一个个敲变量名。
于是乎,针对大家经常遇到的一些变量计算需求,我编制了相应的R函数,既可以用于普通的data.frame(mutate),也可以用于data.table(:=)。
下面以计算平均值为例,介绍自编的MEAN函数的基本用法:
1data[, ":="(Xmean1=MEAN(data, "x", 1:50),2 Xmean2=MEAN(data, vars=c("x1", "x2", "x3")),3 Xmean3=MEAN(data, varrange="x1:x50"),4 Xmean4=MEAN(data, "x", 1:50, rev=41:50, likert=1:7))]
MEAN的第一个参数为原来的数据(data.frame或data.table),后面的若干参数用来定义变量范围和反向计分题:
对于有规律的变量名,如x1-x50,只需要定义var="x"和item=1:50即可(此为推荐用法,并且var和item参数名可省略)
或者可以通过vars具体列出参与计算的变量(字符串向量)
另外还可以通过varrange="x1:x50"或varrange=c("x1","x50")的形式定义变量的起止范围
【提示:此时的1和50不代表数字上的连续范围,也就是说,varrange定义的起止范围是数据中变量的原始位置,如果原始变量的后缀数字是乱序排列的,则推荐使用var和item定义】如果涉及反向计分题,只需要通过rev参数定义哪些题目反向计分(可以是单个数字、单个字符串、数字向量、字符串向量),并通过likert参数定义题目是几点量表(例如1-7点的量表,设置likert=1:7或者likert=c(1, 7)均可)
MEAN函数的源代码如下(复制并运行即可使用):
1MEAN=function(data, var=NULL, items=NULL, 2 vars=NULL, 3 varrange=NULL, 4 rev=NULL, likert=NULL, 5 na.rm=TRUE) { 6 Mean=function(...) mean(c(...), na.rm=na.rm) 7 if(!is.null(varrange)) { 8 dn=names(data) 9 if(length(varrange)==1) varrange=strsplit(varrange, ":")[[1]]10 varMin=varrange[1]11 varMax=varrange[length(varrange)]12 vars=dn[which(dn==varMin):which(dn==varMax)]13 } else {14 if(is.null(vars)) vars=paste0(var, items)15 }16 if(is.character(rev)) rev=which(vars %in% rev)17 vars=paste(deparse(substitute(data)), vars, sep="$")18 pre=rep("", length(vars))19 pre[rev]=ifelse(is.null(likert), "", paste0(min(likert)+max(likert), "-"))20 varlist=paste0(pre, vars)21 eval(parse(text=paste0("mapply(Mean, ", paste(varlist, collapse=", "), ")")))22}
除了MEAN之外,还有其他的几个自编函数,用法与MEAN类似,包括SUM(计算总分)、COUNT(统计某个值在多个变量中的出现次数)、CONSEC(统计多个变量中连续相同数字出现最多的个数):
1SUM=function(data, var=NULL, items=NULL, 2 vars=NULL, 3 varrange=NULL, 4 rev=NULL, likert=NULL, 5 na.rm=TRUE) { 6 Sum=function(...) sum(..., na.rm=na.rm) 7 if(!is.null(varrange)) { 8 dn=names(data) 9 if(length(varrange)==1) varrange=strsplit(varrange, ":")[[1]]10 varMin=varrange[1]11 varMax=varrange[length(varrange)]12 vars=dn[which(dn==varMin):which(dn==varMax)]13 } else {14 if(is.null(vars)) vars=paste0(var, items)15 }16 if(is.character(rev)) rev=which(vars %in% rev)17 vars=paste(deparse(substitute(data)), vars, sep="$")18 pre=rep("", length(vars))19 pre[rev]=ifelse(is.null(likert), "", paste0(min(likert)+max(likert), "-"))20 varlist=paste0(pre, vars)21 eval(parse(text=paste0("mapply(Sum, ", paste(varlist, collapse=", "), ")")))22}232425COUNT=function(data, var=NULL, items=NULL,26 vars=NULL,27 varrange=NULL,28 value=NA) {29 Count=function(...) sum(c(...), na.rm=TRUE)30 if(!is.null(varrange)) {31 dn=names(data)32 if(length(varrange)==1) varrange=strsplit(varrange, ":")[[1]]33 varMin=varrange[1]34 varMax=varrange[length(varrange)]35 vars=dn[which(dn==varMin):which(dn==varMax)]36 } else {37 if(is.null(vars)) vars=paste0(var, items)38 }39 vars=paste(deparse(substitute(data)), vars, sep="$")40 if(is.na(value)) {41 varlist=paste0("is.na(", vars, ")")42 } else {43 varlist=paste0(vars, "==", value)44 }45 eval(parse(text=paste0("mapply(Count, ", paste(varlist, collapse=", "), ")")))46}474849CONSEC=function(data, var=NULL, items=NULL,50 vars=NULL,51 varrange=NULL,52 values=0:9) {53 Conseq=function(string, number=values) {54 # Consecutive Identical Digits55 require(stringr)56 pattern=paste(paste0(number, "{2,}"), collapse="|")57 ifelse(grepl(pattern, string), max(nchar(str_extract_all(string=string, pattern=pattern, simplify=TRUE))), 0)58 }59 if(!is.null(varrange)) {60 dn=names(data)61 if(length(varrange)==1) varrange=strsplit(varrange, ":")[[1]]62 varMin=varrange[1]63 varMax=varrange[length(varrange)]64 vars=dn[which(dn==varMin):which(dn==varMax)]65 } else {66 if(is.null(vars)) vars=paste0(var, items)67 }68 vars=paste(deparse(substitute(data)), vars, sep="$")69 varlist=vars70 eval(parse(text=paste0("mapply(Conseq, paste0(", paste(varlist, collapse=", "), "))")))71}
最后,我们以一个具体的例子来综合演示上述函数的用法。在下面的这个data.table中,我特意将x2和x4的位置对调了,大家可以自行体会不同参数之间的微妙差别(如var、vars、varrange)
1d=data.table(x1=1:5, x4=c(2,2,5,4,5), x3=c(3,2,NA,NA,5), x2=c(4,4,NA,2,5), x5=c(5,4,1,4,5)) 2# x1 x4 x3 x2 x5 3# 1: 1 2 3 4 5 4# 2: 2 2 2 4 4 5# 3: 3 5 NA NA 1 6# 4: 4 4 NA 2 4 7# 5: 5 5 5 5 5 8 9d[,":="(n.na=COUNT(d, "x", 1:5, value=NA),10 n.2=COUNT(d, "x", 1:5, value=2),11 sum=SUM(d, "x", 1:5),12 mean1=MEAN(d, "x", 1:5),13 mean2=MEAN(d, vars=c("x1", "x4")),14 mean3=MEAN(d, varrange="x1:x2", rev="x2", likert=1:5),15 cons1=CONSEC(d, "x", 1:5),16 cons2=CONSEC(d, varrange="x1:x5"))]17# x1 x4 x3 x2 x5 n.na n.2 sum mean1 mean2 mean3 cons1 cons218# 1: 1 2 3 4 5 0 1 15 3.0 1.5 2 0 019# 2: 2 2 2 4 4 0 3 14 2.8 2.0 2 2 320# 3: 3 5 NA NA 1 2 0 9 3.0 4.0 4 0 021# 4: 4 4 NA 2 4 1 1 14 3.5 4.0 4 2 222# 5: 5 5 5 5 5 0 0 25 5.0 5.0 4 5 5
Tips:三种定义变量的方式选择其一即可,分别适用于不同需求——
var和item会将变量按照item的数字顺序重新排列(在函数内部其实是paste了var和item)
vars则以该参数实际定义的顺序为准
varrange定义的是起止位置的变量(因此在本例中“x1:x2”实则对应了“x1, x4, x3, x2”四个变量)
更多实用函数,请访问作者的GitHub:
https://github.com/psychbruce/stats/blob/master/BruceFunctions.R
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法
万水千山总是情,点个 “好看” 行不行!!!
如何优雅地计算多变量相关推荐
- c++如何把字符串转为变量名_如何优雅地计算多变量
作者:包寒吴霜 中科院心理所硕士在读(名字/人格/社会/文化心理学) 知乎:https://www.zhihu.com/people/psychbruce 社会科学研究经常会遇到"超多变量& ...
- R 回归 虚拟变量na_如何优雅地计算多变量
作者:包寒吴霜 中科院心理所硕士在读(名字/人格/社会/文化心理学) 知乎:https://www.zhihu.com/people/psychbruce 社会科学研究经常会遇到"超多变量& ...
- r语言清除变量_如何优雅地计算多变量 | R语言进阶
社会科学研究经常会遇到"超多变量"的情况--多量表.多维度.多题项,以及复杂的正反计分题--如何更高效地计算量表总分?如何更简洁地进行反向计分?传统的统计工具(Excel.SPSS ...
- C#开发笔记之04-如何用C#优雅的计算个人所得税?
C#开发笔记概述 该文章的最新版本已迁移至个人博客[比特飞],单击链接 https://www.byteflying.com/archives/960 访问. 首先,要对个人所得税的计算方式了解之后再 ...
- R语言计算多变量两两之间的相关关系及显著性
当数据存储为data.frame格式时,我们通常先将其转为matrix格式,且数据为numeric类型,继而可以使用 PerformanceAnalytics 包之间求相关,并将结果可视化. dda ...
- 数模笔记_多变量最优化计算之随机搜索算法及建模案例
Date: 2_22 Name: Guo Yehao Theme: Calculation in Optimality with multiple variables Reference: 数学建模方 ...
- 计算思维-卡内基梅隆大学计算机系主任周以真
计算思维 Jeannette M. Wing (周以真) (翻译:徐韵文,王飞跃, 校对:王飞跃) 它代表着一种普遍的认识和一类普适的技能,每一个人,不仅仅是计算机科学家,都应热心于它的学习和运用. ...
- 计算思维(美国CMU周以真教授)
博主注:GIScience会议是国际上最为著名的地理信息系统领域的国际会议,自2000年起,每两年举办一次,GIScience 2008会议邀请了美国卡内基-梅隆大学(CMU)计算机系华裔教授周以真博 ...
- 计算思维(Computational Thinking)
[转载]分享大名鼎鼎的周以真(Jeannette M. Wing)教授的一篇论文. <计算思维(Computational Thinking)> 个人觉得计算思维的覆盖面更广,足以回答题主 ...
- java 笛卡尔积_使用Guava来计算笛卡尔积
以前做项目的时候计算笛卡尔积的时候,总是使用各种for循环来嵌套,最后往往在Sonar代码检查的时候总是会报警说for循环嵌套过深. 今天才知道Guava原来已经为我们提供了优雅的计算笛卡尔积的方法. ...
最新文章
- 21. 将报警信息实时发送至邮箱
- 为什么这儿TemplateBinding不起作用了—研究WPF Binding(一)
- JS只能输入数字,数字和字母等的正则表达式
- 【ajax】Ajax $().load() 禁用缓存
- softlockup/hardlockup原理详细介绍
- 远程控制别人计算机,如何远程控制别人的电脑?手把手教你远程操控别人的电脑!...
- HTML5期末大作业:我的家乡网站设计——可以根据百度百科更换家乡适用多数我的家乡
- 计算机图形和ps的区别,PS CC和PS CC有什么区别?
- 在office2003中打开office2007文件的补丁(.docx文件,pptx文件打开方法)
- 如何编写Word文档 多级编号
- cavans制作水印 html
- 电脑鼠标右键应用卡死、转圈圈、资源管理器关闭等问题
- <hr> 标签:定义水平线
- Android Studio完成简单UI设计
- java新手学习感想
- JAVA编程:编写手机投屏电脑程序
- Spring Boot与Shiro实现权限管理02
- 挂一漏万——交通相关微信公共账号(V1)
- 头盔检测数据集和论文
- twitter系统架构