Nano Hash - криптовалюты, майнинг, программирование

Справочный столбец с назначенной переменной в data.table

Я хочу преобразовать столбец в моей таблице данных из факторных в числовые значения, но загвоздка в том, что я использую «словарь» (список), поэтому я хочу иметь возможность ссылаться на переменную столбца через «словарь»:

#my "dictionary"
outcomes <- list("heart attack"="Hospital 30-Day Death (Mortality) Rates from Heart Attack",
               "heart failure"="Number of Patients - Hospital 30-Day Death (Mortality) Rates from Heart Failure",
               "pneumonia"="Number of Patients - Hospital 30-Day Death (Mortality) Rates from Pneumonia")
#named variable
outcome <- outcomes[["heart attack"]]

#conversion function
as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}

#convert my data table column from factor to numeric
DT[, outcome := as.numeric.factor(outcome)]

DT[, outcome := as.numeric.factor(outcome)] в идеале то, что я хочу сделать, но я знаю, что не могу просто вставить туда именованную переменную outcome и надеяться, что таблица данных будет знать, что я имею в виду столбец со значением outcome. Извините, я новичок в таблице данных, и я немного смущен тем, как вообще обращаться с именованными переменными при ссылке на столбцы.

r data.table
27.12.2017

  • Будет лучше, если вы поделитесь также выдержкой из ваших данных (анонимно). В любом случае, вы можете попробовать mutate_at из пакета tidyverse 27.12.2017

Ответы:


1

Используя подход tidyverse:

library(tidyverse)
Your_df_mod <- Your_df %>% 
    mutate_at(.vars=outcome,.funs=funs(as.numeric(.)))
27.12.2017

2

Вы можете попробовать это:

library(data.table)

DT <- data.table(mtcars)[, mpg := as.factor(mpg)]
class(DT$mpg)
# [1] "factor"

as.numeric.factor <- function(x) {as.numeric(levels(x))[x]}
outcome <- "mpg"
# Reference column by assigned variable
DT[, (outcome) := as.numeric.factor(get(outcome))]
class(DT$mpg)
# [1] "numeric"
27.12.2017
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..