Adicionando uma coluna a um data.frame

115

Eu tenho o data.frame abaixo. Quero adicionar uma coluna que classifica meus dados de acordo com a coluna 1 ( h_no) de forma que a primeira série de h_no 1,2,3,4 seja a classe 1, a segunda série de h_no(1 a 7) seja a classe 2 etc. tal como indicado na última coluna.

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
Susanne Dreisigacker
fonte

Respostas:

155

Você pode adicionar uma coluna aos seus dados usando várias técnicas. As citações abaixo vêm da seção "Detalhes" do texto de ajuda relevante [[.data.frame,.

Os quadros de dados podem ser indexados em vários modos. Quando [e [[são usados ​​com um único índice vetorial ( x[i]ou x[[i]]), eles indexam o quadro de dados como se fosse uma lista.

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

O método data.frame para $, trata xcomo uma lista

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

Quando [e [[são usados ​​com dois índices ( x[i, j]e x[[i, j]]) eles agem como indexar uma matriz

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

Visto que o método para data.frameassume que se você não especificar se está trabalhando com colunas ou linhas, ele assumirá que você quer dizer colunas.


Para o seu exemplo, isso deve funcionar:

# 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
Roman Luštrik
fonte
Qual é a diferença entre os dois últimos métodos de adição de uma coluna?
huon
2
@ huon-dbaupp o método com uma vírgula é explícito e também funcionará em matrizes, enquanto o último funciona apenas em data.frames. Se nenhuma vírgula for fornecida, R assume que você quer dizer colunas.
Roman Luštrik
12

Facilmente: seu quadro de dados é A

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

Então você obtém a coluna b.

user1333396
fonte
Bom e curto. Gostaria apenas de alterar o último elemento para que, em vez de ser cumsum(b) -> bo resultado, fosse adicionado diretamente como uma coluna ao quadro de dados original, algo como A$groups <- cumsum(b).
A5C1D2H2I1M1N2O1R2T1
cumsum(b)fornecerá um vetor de comprimento 3 ou estou faltando alguma coisa?
Roman Luštrik
@ RomanLuštrik, veja a solução de dbaupp que explica como cumsum funcionaria neste caso.
A5C1D2H2I1M1N2O1R2T1
2
@ RomanLuštrik, Esta solução pode ser reescrita muito bem em uma única linha. Usando seus your.dfdados, você pode simplesmente fazer your.df$group = cumsum(your.df[, 1]==1)para obter sua nova coluna de grupo.
A5C1D2H2I1M1N2O1R2T1
7

Se entendi a pergunta corretamente, você deseja detectar quando o h_nonão aumenta e, em seguida, incrementa o class. (Vou explicar como resolvi esse problema, há uma função independente no final.)

Trabalhando

No h_nomomento, só nos importamos com a coluna, então podemos extraí-la do quadro de dados:

> h_no <- data$h_no

Queremos detectar quando h_nonão sobe, o que podemos fazer calculando quando a diferença entre os elementos sucessivos é negativa ou zero. R fornece a difffunção que nos dá o vetor de diferenças:

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

Assim que tivermos isso, é uma questão simples encontrar os que não são positivos:

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

Em R, TRUEe FALSEsão basicamente iguais a 1e 0, portanto, se obtermos a soma cumulativa de nonpos, aumentará em 1 nos (quase) pontos apropriados. A cumsumfunção (que é basicamente o oposto de diff) pode fazer isso.

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

Mas, há dois problemas: os números são muito pequenos; e, está faltando o primeiro elemento (deve haver quatro na primeira aula).

O primeiro problema é simplesmente resolvido: 1+cumsum(nonpos). E o segundo requer apenas a adição de um1 à frente do vetor, já que o primeiro elemento está sempre na classe 1:

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

Agora, podemos anexá-lo de volta ao nosso quadro de dados com cbind(usando a class=sintaxe, podemos dar à coluna oclass título ):

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

E data_w_classesagora contém o resultado.

Resultado final

Podemos compactar as linhas e agrupar tudo em uma função para torná-lo mais fácil de usar:

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

Ou, uma vez que faz sentido classque seja um fator:

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

Você usa uma das funções como:

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

(Este método de resolver este problema é bom porque evita a iteração explícita, que geralmente é recomendada para R, e evita a geração de muitos vetores intermediários e listas etc. E também é bem legal como pode ser escrito em uma linha :))

Huon
fonte
2

Além da resposta de Roman, algo assim pode ser ainda mais simples. Observe que não testei porque não tenho acesso ao R no momento.

# 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)
})

A função itera sobre os valores em n_hoe sempre retorna a categoria à qual o valor atual pertence. Se um valor de 1for detectado, aumentamos a variável global indexe continuamos.

Paul Hiemstra
fonte
Eu gosto do hack com a variável global. Então, Cish. : P
Roman Luštrik
2

Acredito que usar "cbind" é a maneira mais simples de adicionar uma coluna a um quadro de dados em R. Abaixo um exemplo:

    myDf = data.frame(index=seq(1,10,1), Val=seq(1,10,1))
    newCol= seq(2,20,2)
    myDf = cbind(myDf,newCol)
Emanuele Catania
fonte
1
Data.frame[,'h_new_column'] <- as.integer(Data.frame[,'h_no'], breaks=c(1, 4, 7))
user2759975
fonte
0

Abordagem baseada na identificação do número de grupos ( xin mapply) e seu comprimento ( yin 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
Ferroao
fonte