Dodanie kolumny do data.frame

Mam poniżej ramkę data.frame. Chcę dodać kolumnę, która klasyfikuje moje dane zgodnie z kolumną 1 ( h_no) w taki sposób, że pierwsza seria h_no 1,2,3,4 to klasa 1, druga seria h_no(1 do 7) to klasa 2 itd. takie jak wskazano w ostatniej kolumnie.

h_no  h_freq  h_freqsq
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3

Możesz dodać kolumnę do swoich danych przy użyciu różnych technik. Poniższe cytaty pochodzą z sekcji „Szczegóły” odpowiedniej pomocy tekstu [[.data.frame.

Ramki danych mogą być indeksowane w kilku trybach. Gdy [i [[są używane z pojedynczym indeksem wektora ( x[i]lub x[[i]]), indeksują ramkę danych tak, jakby była listą.

my.dataframe["new.col"] <- a.vector
my.dataframe[["new.col"]] <- a.vector

Metoda data.frame dla $, traktuje xjako listę

my.dataframe$new.col <- a.vector

Kiedy [i [[są używane z dwoma indeksami ( x[i, j]i x[[i, j]]), działają jak indeksowanie macierzy

my.dataframe[ , "new.col"] <- a.vector

Ponieważ metoda dla data.framezakłada, że ​​jeśli nie określisz, czy pracujesz z kolumnami czy wierszami, przyjmie ona, że ​​masz na myśli kolumny.

Na przykład to powinno działać:

# make some fake data
your.df <- data.frame(no = c(1:4, 1:7, 1:5), h_freq = runif(16), h_freqsq = runif(16))

# find where one appears and 
from <- which(your.df$no == 1)
to <- c((from-1)[-1], nrow(your.df)) # up to which point the sequence runs

# generate a sequence (len) and based on its length, repeat a consecutive number len times
get.seq <- mapply(from, to, 1:length(from), FUN = function(x, y, z) {
            len <- length(seq(from = x[1], to = y[1]))
            return(rep(z, times = len))
         })

# when we unlist, we get a vector
your.df$group <- unlist(get.seq)
# and append it to your original data.frame. since this is
# designating a group, it makes sense to make it a factor
your.df$group <- as.factor(your.df$group)


   no     h_freq   h_freqsq group
1   1 0.40998238 0.06463876     1
2   2 0.98086928 0.33093795     1
3   3 0.28908651 0.74077119     1
4   4 0.10476768 0.56784786     1
5   1 0.75478995 0.60479945     2
6   2 0.26974011 0.95231761     2
7   3 0.53676266 0.74370154     2
8   4 0.99784066 0.37499294     2
9   5 0.89771767 0.83467805     2
10  6 0.05363139 0.32066178     2
11  7 0.71741529 0.84572717     2
12  1 0.10654430 0.32917711     3
13  2 0.41971959 0.87155514     3
14  3 0.32432646 0.65789294     3
15  4 0.77896780 0.27599187     3
16  5 0.06100008 0.55399326     3

Łatwo: Twoja ramka danych to A

b <- A[,1]
b <- b==1
b <- cumsum(b)

Następnie otrzymasz kolumnę b.

Jeśli dobrze rozumiem pytanie, chcesz wykryć, kiedy h_nonie wzrasta, a następnie zwiększyć class. (Zamierzam przejść przez, jak rozwiązałem ten problem, na końcu jest niezależna funkcja.)

Pracujący

Na razie zależy nam tylko na h_nokolumnie, więc możemy ją wyodrębnić z ramki danych:

> h_no <- data$h_no

Chcemy wykryć, kiedy h_nonie rośnie, co możemy zrobić, obliczając, kiedy różnica między kolejnymi elementami jest ujemna lub zerowa. R zapewnia difffunkcję, która daje nam wektor różnic:

> d.h_no <- diff(h_no)
> d.h_no
 [1]  1  1  1 -3  1  1  1  1  1  1 -6  1  1  1

Gdy już to zrobimy, łatwo jest znaleźć te, które nie są pozytywne:

> nonpos <- d.h_no <= 0
> nonpos
 [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[13] FALSE FALSE

W R TRUEi FALSEsą w zasadzie takie same jak 1i 0, więc jeśli otrzymamy skumulowaną sumę nonpos, wzrośnie o 1 w (prawie) odpowiednich miejscach. cumsumFunkcja (który jest w zasadzie przeciwieństwem diff) może to zrobić.

> cumsum(nonpos)
 [1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2

Ale są dwa problemy: liczby są o jeden za małe; i brakuje nam pierwszego elementu (w pierwszej klasie powinny być cztery).

Pierwszym problemem jest po prostu rozwiązany: 1+cumsum(nonpos). A drugi wymaga tylko dodania a 1na początku wektora, ponieważ pierwszy element jest zawsze w klasie 1:

 > classes <- c(1, 1 + cumsum(nonpos))
 > classes
  [1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3

Teraz możemy dołączyć go z powrotem do naszej ramki danych za pomocą cbind(używając class=składni, możemy nadać kolumnie classnagłówek):

 > data_w_classes <- cbind(data, class=classes)

A data_w_classesteraz zawiera wynik.

Ostateczny wynik

Możemy skompresować linie razem i zawinąć je w funkcję, aby była łatwiejsza w użyciu:

classify <- function(data) {
   cbind(data, class=c(1, 1 + cumsum(diff(data$h_no) <= 0)))
}

Lub, ponieważ ma sens, classaby był czynnikiem:

classify <- function(data) {
   cbind(data, class=factor(c(1, 1 + cumsum(diff(data$h_no) <= 0))))
}

Używasz dowolnej funkcji, takiej jak:

> classified <- classify(data) # doesn't overwrite data
> data <- classify(data) # data now has the "class" column

(Ta metoda rozwiązania tego problemu jest dobra, ponieważ unika jawnej iteracji, która jest ogólnie zalecana dla R, i unika generowania wielu wektorów pośrednich i list itp. A także całkiem fajne, jak można to zapisać w jednej linii :))

Oprócz odpowiedzi Romana, coś takiego może być jeszcze prostsze. Zauważ, że nie testowałem tego, ponieważ nie mam teraz dostępu do R.

# Note that I use a global variable here
# normally not advisable, but I liked the
# use here to make the code shorter
index <<- 0
new_column = sapply(df$h_no, function(x) {
  if(x == 1) index = index + 1
  return(index)
})

Funkcja iteruje po wartościach w n_hoi zawsze zwraca kategorię, do której należy bieżąca wartość. Jeśli 1zostanie wykryta wartość , zwiększamy zmienną globalną indexi kontynuujemy.

Uważam, że użycie „cbind” jest najprostszym sposobem dodania kolumny do ramki danych w R. Poniżej przykład:

    myDf = data.frame(index=seq(1,10,1), Val=seq(1,10,1))
    newCol= seq(2,20,2)
    myDf = cbind(myDf,newCol)

Data.frame[,'h_new_column'] <- as.integer(Data.frame[,'h_no'], breaks=c(1, 4, 7))

Podejście oparte na identyfikowaniu liczbę grup ( xw mapply) do jego długości ( yw mapply)

mytb<-read.table(text="h_no  h_freq  h_freqsq group
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3", header=T, stringsAsFactors=F)
mytb$group<-NULL

positionsof1s<-grep(1,mytb$h_no)

mytb$newgroup<-unlist(mapply(function(x,y) 
  rep(x,y),                      # repeat x number y times
  x= 1:length(positionsof1s),    # x is 1 to number of nth group = g1:g3
  y= c( diff(positionsof1s),     # y is number of repeats of groups g1 to penultimate (g2) = 4, 7
        nrow(mytb)-              # this line and the following gives number of repeat for last group (g3)
          (positionsof1s[length(positionsof1s )]-1 )  # number of rows - position of penultimate group (g2) 
      ) ) )
mytb