Aggiunta di una colonna a un data.frame

Ho il data.frame qui sotto. Voglio aggiungere una colonna che classifica i miei dati secondo la colonna 1 ( h_no) in questo modo la prima serie di h_no 1,2,3,4 è di classe 1, la seconda serie di h_no(da 1 a 7) è di classe 2 ecc. come indicato nell'ultima colonna.

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

Puoi aggiungere una colonna ai tuoi dati utilizzando varie tecniche. Le citazioni di seguito provengono dalla sezione "Dettagli" del testo di aiuto in questione, [[.data.frame.

I frame di dati possono essere indicizzati in diverse modalità. Quando [e [[sono usati con un singolo indice vettoriale ( x[i]o x[[i]]), indicizzano il data frame come se fosse un elenco.

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

Il metodo data.frame per $, viene considerato xcome un elenco

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

Quando [e [[sono usati con due indici ( x[i, j]e x[[i, j]]) agiscono come indicizzare una matrice

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

Poiché il metodo per data.framepresuppone che se non specifichi se stai lavorando con colonne o righe, assumerà che intendi colonne.

Per il tuo esempio, questo dovrebbe funzionare:

# 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

Facilmente: il tuo data frame è A

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

Quindi ottieni la colonna b.

Se ho capito correttamente la domanda, vuoi rilevare quando il h_nonon aumenta e quindi incrementare il class. (Spiegherò come ho risolto questo problema, c'è una funzione autonoma alla fine.)

Lavorando

Per h_noil momento ci interessa solo la colonna, quindi possiamo estrarla dal data frame:

> h_no <- data$h_no

Vogliamo rilevare quando h_nonon sale, cosa che possiamo fare calcolando quando la differenza tra elementi successivi è negativa o zero. R fornisce la difffunzione che ci fornisce il vettore delle differenze:

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

Una volta che lo abbiamo, è semplice trovare quelli che non sono positivi:

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

In R, TRUEe FALSEsono fondamentalmente uguali a 1e 0, quindi se otteniamo la somma cumulativa di nonpos, aumenterà di 1 in (quasi) i punti appropriati. La cumsumfunzione (che è fondamentalmente l'opposto di diff) può farlo.

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

Ma ci sono due problemi: i numeri sono uno troppo piccolo; e ci manca il primo elemento (dovrebbero essercene quattro nella prima classe).

Il primo problema è risolto semplicemente: 1+cumsum(nonpos). E il secondo richiede solo l'aggiunta di un 1all'inizio del vettore, poiché il primo elemento è sempre in 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

Ora possiamo ricollegarlo al nostro data frame con cbind(usando la class=sintassi, possiamo dare alla colonna l' classintestazione):

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

E data_w_classesora contiene il risultato.

Risultato finale

Possiamo comprimere le linee insieme e avvolgere il tutto in una funzione per renderlo più facile da usare:

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

Oppure, poiché ha senso classche sia un fattore:

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

Puoi utilizzare entrambe le funzioni come:

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

(Questo metodo per risolvere questo problema è buono perché evita l'iterazione esplicita, che è generalmente raccomandata per R, ed evita di generare molti vettori intermedi ed elenchi, ecc. Ed è anche abbastanza carino come può essere scritto su una riga :))

Oltre alla risposta di Roman, qualcosa del genere potrebbe essere ancora più semplice. Nota che non l'ho testato perché non ho accesso a R in questo 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)
})

La funzione itera sui valori in n_hoe restituisce sempre le categorie a cui appartiene il valore corrente. Se 1viene rilevato un valore di , aumentiamo la variabile globale indexe continuiamo.

Credo che usare "cbind" sia il modo più semplice per aggiungere una colonna a un data frame in R. Di seguito un esempio:

    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))

Approccio basato sull'identificazione del numero di gruppi ( xin mapply) e della sua lunghezza ( 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