Условное присвоение одной переменной значению одной из двух других переменных

Question

Я хочу создать новую переменную, которая равна значению одной из двух других переменных, при условии значения других переменных. Вот пример игрушки с поддельными данными.

Каждая строка кадра данных представляет студента. Каждый студент может изучать до двух предметов (subj1 и subj2) и может проходить степень («BA») или минор («MN») в каждом предмете. Мои реальные данные включают в себя тысячи студентов, несколько типов степеней, около 50 предметов, а учащиеся могут иметь до пяти майоров/несовершеннолетних.

ID subj1 degree1 subj2 degree2 
1 1 BUS  BA <NA> <NA> 
2 2 SCI  BA ENG  BA 
3 3 BUS  MN ENG  BA 
4 4 SCI  MN BUS  BA 
5 5 ENG  BA BUS  MN 
6 6 SCI  MN <NA> <NA> 
7 7 ENG  MN SCI  BA 
8 8 BUS  BA ENG  MN 
... 

Теперь я хочу, чтобы создать шестую переменную, df$major, что приравнивает значение subj1 если subj1 является первичным основным, или значение студенческой subj2 если subj2 является основным основным. Первичный майор - первый предмет со степенью, равной «BA». Я попытался следующий код:

df$major[df$degree1 == "BA"] = df$subj1 
df$major[df$degree1 != "BA" & df$degree2 == "BA"] = df$subj2 

К сожалению, я получил сообщение об ошибке:

> df$major[df$degree1 == "BA"] = df$subj1 
Error in df$major[df$degree1 == "BA"] = df$subj1 : 
    NAs are not allowed in subscripted assignments 

Я полагаю, это означает, что векторизация назначение не может быть использована, если задание имеет значение NA, по крайней мере, один ряд.

Я чувствую, что мне, должно быть, недостает чего-то основного, но код выше казался очевидным, и я не смог найти альтернативу.

В случае было бы полезно в письменной форме ответ, вот примерные данные, созданные с помощью dput(), в том же формате, как поддельные данные, перечисленные выше:

structure(list(ID = 1:20, subj1 = structure(c(3L, NA, 1L, 2L, 
2L, 3L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 3L, 3L, 1L, 2L, 1L 
), .Label = c("BUS", "ENG", "SCI"), class = "factor"), degree1 = structure(c(2L, 
NA, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("BA", "MN"), class = "factor"), subj2 = structure(c(1L, 
2L, NA, NA, 1L, NA, 3L, 2L, NA, 2L, 2L, 1L, 3L, NA, 2L, 1L, 1L, 
NA, 2L, 2L), .Label = c("BUS", "ENG", "SCI"), class = "factor"), 
    degree2 = structure(c(2L, 2L, NA, NA, 2L, NA, 1L, 2L, NA, 
    2L, 1L, 1L, 2L, NA, 1L, 2L, 2L, NA, 1L, 2L), .Label = c("BA", 
    "MN"), class = "factor")), .Names = c("ID", "subj1", "degree1", 
"subj2", "degree2"), row.names = c(NA, -20L), class = "data.frame") 

Answer 1

Исходный метод назначения не работает по крайней мере по двум причинам.

1) Проблема с подзаголовкой присвоения df$major[df$degree1 == "BA"] <-. Использование == может производить NA, что и вызвало ошибку. From ?"[<-": «При замене (с использованием индексации на lhs присвоения) NA не выбирает какой-либо элемент для замены. Поскольку существует двусмысленность относительно того, должен ли использоваться элемент rhs или нет, это разрешено если значение rhs имеет длину 1 (поэтому две интерпретации будут иметь одинаковый результат)."Есть много способов, чтобы обойти эту проблему, но я предпочитаю использовать which:

df$major[which(df$degree1 == "BA")] <- 

Разница заключается в том, что == возвращается TRUE, FALSE и NA, а which возвращает индексы объекта, истинны

> df$degree1 == "BA" 
[1] FALSE NA TRUE TRUE TRUE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE 

> which(df$degree1 == "BA") 
[1] 3 4 5 8 9 10 11 12 13 14 15 16 17 18 19 20 

2) Когда вы выполняете подстрочное задание, правая сторона должна сместиться в левую сторону разумно (так я думаю об этом). Это может означать левую и правую стороны равной длины, что что, кажется, подразумевает ваш пример. erefore, вам нужно будет подмножество в правую часть задания, а также:

df$major[which(df$degree1 == "BA")] <- df$subj1[which(df$degree1 == "BA")] 

---

Я надеюсь, что объясняет, почему ваша первоначальная попытка выдал ошибку.

Использование ifelse, как предлагает @DavidRobinson, является хорошим способом выполнения этого типа назначения. Мой взгляд на него:

df$major2 <- ifelse(df$degree1 == "BA", df$subj1, ifelse(df$degree2 == "BA", 
    df$subj2,NA)) 

Это эквивалентно

df$major[which(df$degree1 == "BA")] <- df$subj1[which(df$degree1 == "BA")] 
df$major[which(df$degree1 != "BA" & df$degree2 == "BA")] <- 
    df$subj2[which(df$degree1 != "BA" & df$degree2 == "BA")] 

В зависимости от глубины вложенности ifelse отчетности, другой подход может быть лучше для ваших реальных данных.

---

EDIT:

Я собирался написать третью причину для исходного кода неисправного (а именно, что df$major еще не назначен), но это работает для меня, не делать этого. Это была проблема, которую я помню в прошлом. Какую версию R вы используете? (2.15.0 для меня.) Этот шаг не требуется, если вы используете подход ifelse(). Ваше решение отлично при использовании [, хотя я выбрал бы

df$major <- NA 

Чтобы получить значение символов субъектов, а индекс уровня фактора, используйте as.character() (что для коэффициентов эквивалентно и вызывает levels(x)[x]):

df$major[which(df$degree1 == "BA")] <- as.character(df$subj1)[which(df$degree1 == "BA")] 
df$major[which(df$degree1 != "BA" & df$degree2 == "BA")] <- 
    as.character(df$subj2)[which(df$degree1 != "BA" & df$degree2 == "BA")] 

То же самое для ifelse() образом:

df$major2 <- ifelse(df$degree1 == "BA", as.character(df$subj1), 
    ifelse(df$degree2 == "BA", as.character(df$subj2), NA)) 

Answer 2

В общем, функция ifelse является правильным выбор для таких ситуаций, что-то вроде:

df$major = ifelse((!is.na(df$degree1) & df$degree1 == "BA") & (is.na(df$degree2) | df$degree1 != "BA"), df$subj1, df$subj2) 

Однако его точное использование зависит от того, что вы делаете, если оба df$degree1 и df$degree2 являются «BA».