Добрый день,
Я представлю две [вероятно] очень маленькие задачи для вашего превосходного обзора.
Проблема №1
У меня есть относительно аккуратный df (dat) с dim 10299 x 563. 563 переменные, общие для обоих наборов данных [которые создали] dat: 'subject' (числовой), 'label' (числовой), 3 : 563 (имена переменных из текстового файла). Наблюдения 1: 2947 взяты из «тестового» набора данных, тогда как наблюдения 2948: 10299 взяты из «обучающего» набора данных.
Я хотел бы вставить столбец (header = 'type') в dat, который в основном представляет собой строки 1: 2947, состоящие из строки test и строк 2948: 10299 строки train таким образом я могу позже сгруппировать набор данных или другие подобные агрегатные функции в dplyr / tidyr.
Я создал тестовый df (testdf = 1: 10299: dim (testdf) = 102499 x 1), а затем:
testdat[1:2947 , "type"] <- c("test")
testdat[2948:10299, "type"] <- c("train")
> head(ds, 2);tail(ds, 2)
X1.10299 type
1 1 test
2 2 test
X1.10299 type
10298 10298 train
10299 10299 train
Так что мне очень не нравится, что сейчас есть столбец X1.10299.
Вопросы:
- Есть ли лучший и более целесообразный способ создать столбец, в котором будет то, что я ищу, на основе моего вышеупомянутого варианта использования?
- Как лучше всего вставить этот столбец в dat, чтобы потом использовать его для группировки с помощью dplyr?
Проблема №2
Я пришел к моему [почти] аккуратному df (dat) сверху: два взять dfs (test и train) dim (2947 x 563 и 7352 x 563), соответственно, и rbinding em > их вместе.
Я подтверждаю, что все мои имена переменных присутствуют после попытки привязки, примерно так:
test.names <- names(test)
train.names <- names(train)
identical(test.names, train.names)
> TRUE
Что интересно и вызывает наибольшую озабоченность, так это то, что если я попытаюсь использовать функцию bind_rows из dplyr для выполнения того же упражнения по привязке:
dat <- bind_rows(test, train)
Он возвращает фрейм данных, который, по-видимому, сохраняет все мои наблюдения (x: 10299), но теперь количество моих переменных уменьшено с 563 до 470!
Вопрос:
- Кто-нибудь знает, почему мои переменные рубятся?
- Это лучший способ объединить два dfs одной и той же структуры для последующего нарезания / нарезки кубиками с помощью dplyr /
тидыр?
Спасибо за ваше время и внимание к этим вопросам.
Пример тестовых / обучающих файлов dfs для просмотра (крайние слева цифры - это индексы df):
test df test [1:10, 1: 5]
subject labels tBodyAcc-mean()-X tBodyAcc-mean()-Y tBodyAcc-mean()-Z
1 2 5 0.2571778 -0.02328523 -0.01465376
2 2 5 0.2860267 -0.01316336 -0.11908252
3 2 5 0.2754848 -0.02605042 -0.11815167
4 2 5 0.2702982 -0.03261387 -0.11752018
5 2 5 0.2748330 -0.02784779 -0.12952716
6 2 5 0.2792199 -0.01862040 -0.11390197
7 2 5 0.2797459 -0.01827103 -0.10399988
8 2 5 0.2746005 -0.02503513 -0.11683085
9 2 5 0.2725287 -0.02095401 -0.11447249
10 2 5 0.2757457 -0.01037199 -0.09977589
поезд df поезд [1:10, 1: 5]
subject label tBodyAcc-mean()-X tBodyAcc-mean()-Y tBodyAcc-mean()-Z
1 1 5 0.2885845 -0.020294171 -0.1329051
2 1 5 0.2784188 -0.016410568 -0.1235202
3 1 5 0.2796531 -0.019467156 -0.1134617
4 1 5 0.2791739 -0.026200646 -0.1232826
5 1 5 0.2766288 -0.016569655 -0.1153619
6 1 5 0.2771988 -0.010097850 -0.1051373
7 1 5 0.2794539 -0.019640776 -0.1100221
8 1 5 0.2774325 -0.030488303 -0.1253604
9 1 5 0.2772934 -0.021750698 -0.1207508
10 1 5 0.2805857 -0.009960298 -0.1060652
Фактический код (игнорируйте вызовы функций / большую часть тестирования я тестирую через консоль).
[http://archive.ics.uci.edu/ml/machine-learning-databases/00240/estiveThe, который я использую с этим кодом. 1
run_analysis <- function () {
#Vars available for use throughout the function that should be preserved
vars <- read.table("features.txt", header = FALSE, sep = "")
lookup_table <- data.frame(activitynum = c(1,2,3,4,5,6),
activity_label = c("walking", "walking_up",
"walking_down", "sitting",
"standing", "laying"))
test <- test_read_process(vars, lookup_table)
train <- train_read_process(vars, lookup_table)
}
test_read_process <- function(vars, lookup_table) {
#read in the three documents for cbinding later
test.sub <- read.table("test/subject_test.txt", header = FALSE)
test.labels <- read.table("test/y_test.txt", header = FALSE)
test.obs <- read.table("test/X_test.txt", header = FALSE, sep = "")
#cbind the cols together and set remaining colNames to var names in vars
test.dat <- cbind(test.sub, test.labels, test.obs)
colnames(test.dat) <- c("subject", "labels", as.character(vars[,2]))
#Use lookup_table to set the "test_labels" string values that correspond
#to their integer IDs
#test.lookup <- merge(test, lookup_table, by.x = "labels",
# by.y ="activitynum", all.x = T)
#Remove temporary symbols from globalEnv/memory
rm(test.sub, test.labels, test.obs)
#return
return(test.dat)
}
train_read_process <- function(vars, lookup_table) {
#read in the three documents for cbinding
train.sub <- read.table("train/subject_train.txt", header = FALSE)
train.labels <- read.table("train/y_train.txt", header = FALSE)
train.obs <- read.table("train/X_train.txt", header = FALSE, sep = "")
#cbind the cols together and set remaining colNames to var names in vars
train.dat <- cbind(train.sub, train.labels, train.obs)
colnames(train.dat) <- c("subject", "label", as.character(vars[,2]))
#Clean up temporary symbols from globalEnv/memory
rm(train.sub, train.labels, train.obs, vars)
return(train.dat)
}
dput()
или прочитаны? - person Forrest R. Stevens   schedule 11.05.2015