Обработка отсутствующих комбинаций факторов в R

Итак, у меня есть кадр данных с двумя факторами и с одной числовой переменной:

>D
f1 f2 v1 
1   A  23
2   A  45
2   B  27
     .
     .
     .

так что уровни f1 равны 1 и 2, а уровни f2 равны A и B. В этом случае нет значения, введенного для, когда f1 = 1 и f2 = B (то есть D $V1 [D $f1 = 1 и D $f2 = B] не существует), в действительности это должно быть равным нулю.

В моем фактическом кадре данных у меня 11 уровней f1 и близко к 150 уровням f2, и мне нужно создать наблюдение с v1 = 0 для каждой комбинации f1 и f2, отсутствующей в моем кадре данных.

Как мне это сделать?

Спасибо заранее,

Ян

Ответы

Ответ 1

Использование ваших данных:

dat <- data.frame(f1 = factor(c(1,2,2)), f2 = factor(c("A","A","B")),
                  v1 = c(23,45,27))

одним из вариантов является создание таблицы поиска с комбинациями уровней, которая выполняется с использованием функции expand.grid(), поставляемой с уровнями обоих факторов, как показано ниже:

dat2 <- with(dat, expand.grid(f1 = levels(f1), f2 = levels(f2)))

Затем можно выполнить операцию соединения с базами данных с помощью функции merge(), в которой мы укажем, что все значения из таблицы поиска включены в объединение (all.y = TRUE)

newdat <- merge(dat, dat2, all.y = TRUE)

Вышеприведенная строка дает:

> newdat
  f1 f2 v1
1  1  A 23
2  1  B NA
3  2  A 45
4  2  B 27

Как вы можете видеть, недостающим комбинациям присваивается значение NA, указывающее на отсутствие. Реально просто заменить эти NA на 0 s:

> newdat$v1[is.na(newdat$v1)] <- 0
> newdat
  f1 f2 v1
1  1  A 23
2  1  B  0
3  2  A 45
4  2  B 27

Ответ 2

Я добавляю решение tidyr, распространяющееся с помощью fill=0 и сбор.

library(tidyr)
df %>% spread(f2, v1, fill=0) %>% gather(f2, v1, -f1)

#  f1 f2 v1
#1  1  A 23
#2  2  A 45
#3  1  B  0
#4  2  B 27

Вы также можете сделать df %>% spread(f1, v1, fill=0) %>% gather(f1, v1, -f2).

Ответ 3

Два года спустя, но у меня была такая же проблема, и я придумал это решение plyr:

dat <- data.frame(f1 = factor(c(1,2,2)), f2 = factor(c("A","A","B")), v1 = c(23,45,27))

newdat <- ddply(dat, .(f1,f2), numcolwise(function(x) {if(length(x)>0) x else 0.0}), .drop=F)

> newdat
  f1 f2 v1
1  1  A 23
2  1  B  0
3  2  A 45
4  2  B 27