I would like to create a variable containing group names determined based on four other variables. Let me create a dummy table to put this into a better perspective:
| classwork | stream | people | others | grouping1 |
|---|---|---|---|---|
| High | High | High | High | Group1 |
| High | High | High | High | Group1 |
| High | High | High | Low | Group2 |
| High | High | High | Low | Group2 |
| High | High | Low | Low | Group3 |
The name of group is based on the data, obtained using this code
DATA.RH.TAM %>%
group_by(C.level, S.level, P.level, O.level) %>%
summarize(index = sum(index))
I would like to also create another variable (grouping2) based on only three other variables later.
DATA.RH.TAM %>%
group_by(C.level, S.level, P.level) %>%
summarize(index = sum(index))
Your help is much appreciated.
The following is my dataset:
DATA.RH.TAM <- structure(c("High", "High", "High", "Low", "High", "High", "Low",
"High", "High", "High", "Low", "High", "High", "High", "High",
"High", "High", "High", "High", "High", "High", "High", "High",
"High", "Low", "High", "High", "Low", "Low", "High", "High",
"High", "High", "High", "Low", "High", "High", "High", "High",
"Low", "Low", "Low", "High", "High", "High", "High", "High",
"Low", "Low", "Low", "Low", "High", "High", "High", "High", "Low",
"Low", "Low", "Low", "High", "High", "High", "Low", "High", "High",
"High", "High", "High", "High", "High", "High", "High", "Low",
"High", "Low", "Low", "High", "High", "Low", "High", "High",
"High", "Low", "High", "High", "High", "High", "High", "High",
"High", "Low", "High", "Low", "High", "High", "High", "High",
"Low", "Low", "Low", "High", "Low", "Low", "Low", "High", "Low",
"High", "Low", "Low", "High", "High", "High", "High", "High",
"High", "High", "Low", "Low", "High", "High", "Low", "Low", "Low",
"High", "High", "High", "High", "High", "High", "High", "High",
"High", "High", "High", "Low", "High", "Low", "High", "Low",
"High", "High", "Low", "Low", "High", "Low", "Low", "High", "High",
"High", "High", "High", "High", "High", "Low", "High", "High",
"High", "Low", "High", "Low", "High", "Low", "Low", "High", "Low",
"High", "Low", "High", "Low", "Low", "High", "High", "High",
"Low", "High", "High", "Low", "High", "High", "High", "Low",
"High", "High", "Low", "High", "High", "Low", "High", "High",
"Low", "Low", "Low", "Low", "Low", "High", "High", "Low", "Low",
"High", "High", "High", "High", "High", "Low", "Low", "Low",
"High", "Low", "High", "High", "Low", "Low", "Low", "Low", "Low",
"High", "High", "High", "High", "High", "Low", "High", "Low",
"High", "Low", "Low", "Low", "Low", "Low", "High", "Low", "Low",
"Low", "High", "Low", "High", "High", "High", "Low", "High",
"High", "High", "Low", "Low", "High", "High", "Low", "High",
"High", "High", "High", "High", "High", "Low", "Low", "Low",
"High", "Low", "Low", "Low", "Low", "High", "Low", "Low", "Low",
"High", "High", "High", "High", "High", "High", "High", "Low",
"Low", "High", "High", "Low", "Low", "Low", "Low", "High", "High",
"High", "High", "High", "Low", "Low", "Low", "Low", "Low", "Low",
"High", "High", "Low", "Low", "High", "High", "Low", "Low", "Low",
"Low", "Low", "High", "Low", "Low", "High", "High", "High", "Low",
"Low", "High", "High", "High", "High", "High", "High", "High",
"High", "Low", "High", "High", "High", "Low", "High", "Low",
"Low", "High", "High", "High", "Low", "Low", "High", "High",
"High", "High", "High", "Low", "High", "High", "Low", "High",
"High", "High", "High", "High", "High", "High", "High", "High",
"High", "High", "High", "High", "Low", "High", "High", "High",
"Low", "High", "Low", "Low", "Low", "Low", "Low", "High", "Low",
"High", "Low", "Low", "Low", "Low", "High", "High", "High", "Low",
"High", "High", "High", "Low", "High", "Low", "High", "High",
"High", "Low", "High", "High", "Low", "Low", "High", "High",
"High", "High", "High", "Low", "Low", "High", "High", "High",
"High", "High", "High", "Low", "High", "Low", "High", "High",
"High", "High", "Low", "Low", "High", "High", "High", "Low",
"Low", "High", "High", "High", "High", "Low", "Low", "High",
"High", "High", "High", "High", "High", "Low", "Low", "High",
"High", "Low", "Low", "Low", "High", "High", "High", "High",
"High", "High", "High", "Low", "Low", "High", "Low", "High",
"High", "High", "High", "Low", "High", "High", "High", "Low",
"High", "Low", "Low", "High", "High", "Low", "High", "High",
"High", "High", "High", "High", "High", "High", "High", "High",
"High", "Low", "High", "Low", "High", "High", "High", "Low",
"High", "High", "Low", "High", "High", "High", "Low", "Low",
"High", "High", "High", "High", "High", "Low", "High", "High",
"Low", "High", "High", "High", "High", "High", "High", "High",
"High", "High", "High", "High", "High", "Low", "High", "High",
"High", "High", "High", "High", "Low", "Low", "Low", "Low", "High",
"High", "Low", "High", "High", "Low", "High", "High", "High",
"High", "High", "Low", "High", "High", "High", "Low", "High",
"High", "High", "High", "Low", "Low", "High", "High", "Low",
"Low", "High", "High", "High", "High", "High", "High", "High",
"High", "High", "High", "High", "High", "High", "Low", "High",
"High", "High", "High", "High", "High", "Low", "Low", "High",
"High", "High", "Low", "High", "High", "High", "High", "High",
"Low", "High", "High", "High", "High", "High", "High", "High",
"Low", "Low", "High", "High", "Low", "Low", "High", "High", "High",
"High", "High", "High", "High", "High", "High", "Low", "High",
"Low", "High", "High", "High", "High", "High", "High", "High",
"High", "High", "High", "Low", "Low", "High", "High", "Low",
"High", "High", "High", "High", "High", "High", "High", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1"), .Dim = c(156L,
5L), .Dimnames = list(NULL, c("classwork", "stream", "people",
"others", "index")))
CodePudding user response：
library(data.table)
DT <- as.data.table(DATA.RH.TAM)
DT[, grouping1 := paste0("group", .GRP), by = .(classwork, stream, people, others)]
DT[, grouping2 := paste0("group", .GRP), by = .(classwork, stream, people)]
# classwork stream people others index grouping1 grouping2
# 1: High High High High 1 group1 group1
# 2: High Low High High 1 group2 group2
# 3: High High High High 1 group1 group1
# 4: Low Low High High 1 group3 group3
# 5: High High High Low 1 group4 group1
# ---
# 152: High High High High 1 group1 group1
# 153: High Low High High 1 group2 group2
# 154: Low Low High High 1 group3 group3
# 155: High High High High 1 group1 group1
# 156: High High High High 1 group1 group1
CodePudding user response：
Using dplyr, you can use mutate with case_when. In comparison with data.table, you need to specify all the combinations though. (Please note that I have only used the head of your dataset.)
DATA.RH.TAM <- head(as.data.frame(DATA.RH.TAM))
DATA.RH.TAM <- DATA.RH.TAM %>%
mutate(Grouping = case_when
((classwork == "High" & stream == "High" & people == "High" & others == "High") ~ "Group 1",
(classwork == "High" & stream == "Low" & people == "High" & others == "High") ~ "Group 2",
(classwork == "Low" & stream == "Low" & people == "High" & others == "High") ~ "Group 3",
(classwork == "High" & stream == "High" & people == "High" & others == "Low") ~ "Group 4",
(classwork == "High" & stream == "Low" & people == "High" & others == "High") ~ "Group 5",
FALSE ~ "Group X"
))
CodePudding user response：
library(tidyverse)
DATA.RH.TAM %>%
as_tibble() %>%
#Combine the group columns
unite("Group1", classwork:others, remove = FALSE) %>%
unite("Group2", classwork:people, remove = FALSE) %>%
#Rename the groups with an index
mutate(Group1 = paste0("Group", Group1 %>% factor() %>% as.numeric()),
Group2 = paste0("Group", Group2 %>% factor() %>% as.numeric())
)