代码之家 › 专栏 › 技术社区 › Varun

r基于引用数据集创建虚拟数据集

cbind if-statement r

Varun · 技术社区 · 5 年前

语境

我想为一个项目构建一个两个虚拟的调查数据框架。一个数据帧对 Relationship 调查,另一个 Pulse 调查。

这是每个人的样子-

关系数据框

#Relationship Data
rel_data= data.frame(
            TYPE=rep('Relationship',446),
            SURVEY_ID = rep('SURVEY 2018 Z662700',446),
            SITE_ID=rep('Z662700',446),
            START_DATE= rep(as.Date('2018-07-01'),446),
            END_DATE= rep(as.Date('2018-07-04'),446)
            )

脉冲数据帧

#Pulse Data
pulse_data= data.frame(
            TYPE=rep('Pulse',525),
            SURVEY_ID = rep('SURVEY 2018 W554800',525),
            SITE_ID=rep('W554800',525),
            START_DATE= rep(as.Date('2018-04-01'),525),
            END_DATE= rep(as.Date('2018-04-04'),525)
            )

我的目标

我想 添加列 这两个数据帧中的每一个,基于 参考表 .

参考表包括要添加到两个调查数据框中每个数据框中的问题,以及每个问题的详细信息。这就是它的样子

参考表

#Reference Table - Question Bank
qbank= data.frame(QUEST_ID=c('QR1','QR2','QR3','QR4','QR5','QP1','QP2','QP3','QP4','QP5','QP6'),
              QUEST_TYPE=c('Relationship','Relationship','Relationship','Relationship','Relationship',
                     'Pulse','Pulse','Pulse','Pulse','Pulse','Pulse'),
              SCALE=c('Preference','Satisfaction','Satisfaction','Satisfaction','Preference','NPS',
                     'Satisfaction','Satisfaction','Satisfaction','Preference','Open-Ended'),
              FOLLOWUP=c('No','No','No','No','No','No','Yes','No','Yes','No','No'))

台阶

对于每个调查数据帧(关系和脉冲),我要执行以下操作-

1)在参考表中查找各自的问题代码,并仅将这些问题添加到数据框中。例如, 关系 数据帧将只有与 TYPE = 'Relationship' 从参考表。同样适用于 脉搏 数据文件。

2)对每个问题的回答将有条件地添加到每个数据帧中。这是条件-

如果 SCALE = 'Preference' 在引用表中,那么响应将是 150,100,50,0 or -50 . 此外,这些数字将在 任何随机顺序。
如果 SCALE = 'NPS' 在引用表中,响应的范围为 0 to 10 . 生成的数字应确保 净发起人得分(NPS)等于50%。 提醒:NPS=9秒和10秒的百分比减去0到6秒的百分比。
如果 SCALE = 'Satisfaction' 在引用表中,响应的范围为 1 (Extremely Dissatisfied) to 5 (Extremely Satisfied) . 生成的数字应确保 1和2的百分比等于90%。
如果 SCALE = 'Open-Ended' 在参考表中,然后 确保列为空 (即不包含响应)。

我的尝试

使用 this 先前为创建条件响应提出的问题以及 this 为了从引用表中添加列,我尝试解决这个问题。但我还没有找到我想要的。

任何有关这方面的意见都将非常感谢

期望输出

我想要的输出表如下-

关系数据帧输出

            TYPE            SURVEY_ID SITE_ID START_DATE   END_DATE QR1 QR2 QR3 QR4 QR5
1   Relationship SURVEY 2018 Z662700 Z662700 2018-07-01 2018-07-04 150   5   1   2   2
2   Relationship SURVEY 2018 Z662700 Z662700 2018-07-01 2018-07-04 100   1   2   2   2
3   Relationship SURVEY 2018 Z662700 Z662700 2018-07-01 2018-07-04 100   4   5   2   2
4   Relationship SURVEY 2018 Z662700 Z662700 2018-07-01 2018-07-04 150   1   1   2   2

and so on

以及 脉冲数据帧输出

     TYPE           SURVEY_ID SITE_ID START_DATE   END_DATE QP1 QP2 QP3 QP4 QP5 QP6
1   Pulse SURVEY 2018 W554800 W554800 2018-04-01 2018-04-04   7   1   3   3 100    
2   Pulse SURVEY 2018 W554800 W554800 2018-04-01 2018-04-04   8   5   3   1 100    
3   Pulse SURVEY 2018 W554800 W554800 2018-04-01 2018-04-04   3   1   4   3 100    
4   Pulse SURVEY 2018 W554800 W554800 2018-04-01 2018-04-04   1   2   4   3 100

and so on

1 回复 | 直到 5 年前

Aramis7d 5 年前

会像这样吗

rel_data %>% left_join(qbank, by = c("TYPE" = "QUEST_TYPE")) %>% select(-FOLLOWUP) %>% unique() %>% mutate(val = case_when(SCALE == "Preference" ~ "A", SCALE == "Satisfaction" ~ "B", SCALE == "NPS" ~ "C", TRUE ~ NA_character_ )) %>% select(-SCALE) %>% spread(key = QUEST_ID, value = val)

为你工作?

您可以修改 case_when 满足您需求的条件。