La programación R es uno de los lenguajes más utilizados para la minería de datos y la visualización de los datos. Usando este lenguaje, se puede procesar cualquier tipo de algoritmo de aprendizaje automático como regresión, clasificación, etc. La codificación ficticia se usa en el análisis de regresión para categorizar la variable. variable ficticiaen programación R es un tipo de variable que representa una característica de un experimento. Una variable ficticia es 1 o 0 y 1 se puede representar como Verdadero o Falso y 0 se puede representar como Falso o Verdadero según el usuario. Esta variable se utiliza para categorizar la característica de una observación. Por ejemplo, una persona es hombre o mujer, la disciplina es buena o mala, etc. Además, se crearán nuevas columnas en consecuencia que especificarán si la persona es hombre o no como el valor binario de gender_m y si la persona es mujer. o no como el valor binario de gender_f.
Marco de datos original:
después de crear una variable ficticia:
En este artículo, discutamos cómo crear variables ficticias en R usando 2 métodos, es decir, ifelse()
el método y otro usando dummy_cols()
la función.
Usando ifelse()
la función
ifelse()
La función realiza una prueba y, en función del resultado de la prueba, devuelve un valor verdadero o un valor falso según lo dispuesto en los parámetros de la función. Usando esta función, la variable ficticia se puede crear en consecuencia.
Sintaxis:
ifelse(prueba, sí, no)Parámetros:
prueba: representa la condición de prueba
sí: representa el valor que se ejecutará si se cumple la condición de prueba
no: representa el valor que se ejecutará si no se cumple la condición de prueba
Ejemplo 1:
# Using PlantGrowth dataset pg <- PlantGrowth # Print cat("Original dataset:\n") head(pg, 20) # Create dummy variable pg$group_ctr1 <- ifelse(pg$group == "ctrl", 1, 0) # Print cat("After creating dummy variable:\n") head(pg, 20)
Producción:
Original dataset: weight group 1 4.17 ctrl 2 5.58 ctrl 3 5.18 ctrl 4 6.11 ctrl 5 4.50 ctrl 6 4.61 ctrl 7 5.17 ctrl 8 4.53 ctrl 9 5.33 ctrl 10 5.14 ctrl 11 4.81 trt1 12 4.17 trt1 13 4.41 trt1 14 3.59 trt1 15 5.87 trt1 16 3.83 trt1 17 6.03 trt1 18 4.89 trt1 19 4.32 trt1 20 4.69 trt1 After creating dummy variable: weight group group_ctr1 1 4.17 ctrl 1 2 5.58 ctrl 1 3 5.18 ctrl 1 4 6.11 ctrl 1 5 4.50 ctrl 1 6 4.61 ctrl 1 7 5.17 ctrl 1 8 4.53 ctrl 1 9 5.33 ctrl 1 10 5.14 ctrl 1 11 4.81 trt1 0 12 4.17 trt1 0 13 4.41 trt1 0 14 3.59 trt1 0 15 5.87 trt1 0 16 3.83 trt1 0 17 6.03 trt1 0 18 4.89 trt1 0 19 4.32 trt1 0 20 4.69 trt1 0
Ejemplo 2:
# Create a dataframe df <- data.frame(gender = c("m", "f", "m"), age = c(19, 20, 20), city = c("Delhi", "Mumbai", "Delhi")) # Print original dataset print(df) # Create dummy variable df$gender_m <- ifelse(df$gender == "m", 1, 0) df$gender_f <- ifelse(df$gender == "f", 1, 0) # Print resultant print(df)
Producción:
gender age city 1 m 19 Delhi 2 f 20 Mumbai 3 m 20 Delhi gender age city gender_m gender_f 1 m 19 Delhi 1 0 2 f 20 Mumbai 0 1 3 m 20 Delhi 1 0
Usando dummy_cols()
la función
dummy_cols()
La función está presente en el fastDummies
paquete. Crea variables ficticias sobre la base de los parámetros proporcionados en la función. Si no se seleccionan columnas en la llamada de función para las que se debe crear una variable ficticia, entonces se crean variables ficticias para todas las columnas de caracteres y factores en el marco de datos.
Sintaxis:
dummy_cols(.data, select_columns = NULL)Parámetros:
.data: representa el objeto para el que se deben crear columnas ficticias
select_columns: representa las columnas para las que se deben crear variables ficticias
Ejemplo 1:
# Install the required package install.packages("fastDummies") # Load the library library(fastDummies) # Using PlantGrowth dataset data <- PlantGrowth # Create dummy variable data <- dummy_cols(data, select_columns = "group") # Print print(data)
Producción:
weight group group_ctrl group_trt1 group_trt2 1 4.17 ctrl 1 0 0 2 5.58 ctrl 1 0 0 3 5.18 ctrl 1 0 0 4 6.11 ctrl 1 0 0 5 4.50 ctrl 1 0 0 6 4.61 ctrl 1 0 0 7 5.17 ctrl 1 0 0 8 4.53 ctrl 1 0 0 9 5.33 ctrl 1 0 0 10 5.14 ctrl 1 0 0 11 4.81 trt1 0 1 0 12 4.17 trt1 0 1 0 13 4.41 trt1 0 1 0 14 3.59 trt1 0 1 0 15 5.87 trt1 0 1 0 16 3.83 trt1 0 1 0 17 6.03 trt1 0 1 0 18 4.89 trt1 0 1 0 19 4.32 trt1 0 1 0 20 4.69 trt1 0 1 0 21 6.31 trt2 0 0 1 22 5.12 trt2 0 0 1 23 5.54 trt2 0 0 1 24 5.50 trt2 0 0 1 25 5.37 trt2 0 0 1 26 5.29 trt2 0 0 1 27 4.92 trt2 0 0 1 28 6.15 trt2 0 0 1 29 5.80 trt2 0 0 1 30 5.26 trt2 0 0 1
Ejemplo 2:
# Create a dataframe df <- data.frame(gender = c("m", "f", "m"), age = c(19, 20, 20), city = c("Delhi", "Mumbai", "Delhi")) # Create dummy variables # select_columns = NULL uses all # character and factor columns # to create dummy variable df <- dummy_cols(df) # Print print(df)
Producción:
gender age city gender_f gender_m city_Delhi city_Mumbai 1 m 19 Delhi 0 1 1 0 2 f 20 Mumbai 1 0 0 1 3 m 20 Delhi 0 1 1 0
Publicación traducida automáticamente
Artículo escrito por utkarsh_kumar y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA