Software R
Recodificar variables
Recodificar variables
Dr. rer. nat. Humberto LLinás Solano
Departamento de Matemáticas y Estadística, Universidad del Norte (Barranquilla, Colombia)22/07/25
Abstract
La teoría mencionada puede revisarse en el capítulo 1 de mis notas de clase que aparecen en el siguiente documento: 1.1. Estadística básica. Otros documentos de posible interés se pueden ver en Rpubs :: toc.
1 Librerías
library(dplyr)
library(plyr)
library(forcats)
library(car)2 Data frame
Recuerde que el data frame (básicamente una tabla) es en realidad solo un tipo específico de otra estructura de datos (la lista). Actualmente, es el formato de entrada de nuestros datos más frecuente para los análisis estadísticos (dentro de R, pero también para otros programas estadísticos y, por supuesto, para softwares de hojas de cálculo). Por esta razón, primero, es importante importar/cargar los datos antes de iniciar nuestro análisis. Esto ya se explicó en el documento Rpubs :: Importar datasets.
En los documentos Rpubs :: Examinar data frames y Rpubs :: Examinar data frames explicamos algunas funciones de R que nos permiten revisar propiedades de los data frames de las variables que contenidas en él. En este documento, explicaremos como recodificar las variables. Para más detalles relacionados con los data frames, se puede consultar el documento Rpubs :: data frames (generalidades).
3 Recodificar variables categóricas y numéricas
3.0.1 Con vectores indexados
Conteo <- c("Uno", "Dos", "Tres", "Cuatro", "Cinco")
Grado <- character(length(Conteo))
Grado[Conteo == "Uno"] <- "Primero"
Grado[Conteo == "Dos"] <- "Segundo"
Grado[Conteo == "Tres"] <- "Tercero"
Grado[Conteo == "Cuatro"] <- "Cuarto"
Grado[Conteo == "Cinco"] <- "Quinto"
Grado## [1] "Primero" "Segundo" "Tercero" "Cuarto" "Quinto"3.0.2 Con replace
replace(c(1, 2, 3, 4, 5, 6), list=c(3, 5), values=c(30, 50))## [1] 1 2 30 4 50 6replace(c(1, 2, 3, 4, 5, 6), list=c(3, 5), values=c("A", "B"))## [1] "1" "2" "A" "4" "B" "6"3.0.3 Con dplyr::recode
dplyr::recode(Conteo, Uno="Primero", Dos="Segundo", Tres="Tercero", Cuatro="Cuarto", Cinco="Quinto")## [1] "Primero" "Segundo" "Tercero" "Cuarto" "Quinto"dplyr::recode(Conteo, Dos="Par", Cuatro="Par", .default="Impar")## [1] "Impar" "Par" "Impar" "Par" "Impar"3.0.4 Con ifelse
Numero <- c(1:4, 2:5)
umbral <- 3
R1 <- ifelse(Numero < umbral, umbral, Numero); R1## [1] 3 3 3 4 3 3 4 5R2 <- ifelse(Numero < 3, 1, 0); R2## [1] 1 1 0 0 1 0 0 0R3 <- ifelse(Numero < 3, "M", "F"); R3## [1] "M" "M" "F" "F" "M" "F" "F" "F"Nivel <- c("Cero", "Tres", "Cinco", "Siete", "Nueve")
ifelse(Nivel %in% Conteo, Nivel, "Otro")## [1] "Otro" "Tres" "Cinco" "Otro" "Otro"4 Agrupar variables continuas en categorías
4.0.1 Usando ifelse
N <- 1:6
ifelse(N > 3, "Alto", "Bajo")## [1] "Bajo" "Bajo" "Bajo" "Alto" "Alto" "Alto"4.0.2 Usando dplyr::case_when
#library(dplyr)
case_when((N <= 2) ~ 1,
(N > 2) & (N <= 4) ~ 2,
(N > 4) ~ 3)## [1] 1 1 2 2 3 3#library(dplyr)
case_when((N <= 2) ~ "Bajo",
(N > 2) & (N <= 4) ~ "Medio",
(N > 4) ~ "Alto")## [1] "Bajo" "Bajo" "Medio" "Medio" "Alto" "Alto"4.0.3 Usando cut
N_cat <- cut(N, breaks=c(0, 2, 4, Inf), labels=c("Bajo", "Medio", "Alto"))
summary(N_cat)## Bajo Medio Alto
## 2 2 2N_cat <- cut(N, breaks=c(-Inf, median(N), Inf))
summary(N_cat)## (-Inf,3.5] (3.5, Inf]
## 3 3N_cat <- cut(N, quantile(N), include.lowest=TRUE)
summary(N_cat)## [1,2.25] (2.25,3.5] (3.5,4.75] (4.75,6]
## 2 1 1 25 Recodificar factores
5.0.1 Con levels
Sexo <- c(1, 1, 0, 1, 0)
levels(Sexo) <- c("Femenino", "Masculino")
Sexo## [1] 1 1 0 1 0
## attr(,"levels")
## [1] "Femenino" "Masculino"5.0.2 Con levels=…, labels=…
Sexo_cat <- factor(Sexo, levels=c(0, 1), labels=c("F", "M"))
Sexo_cat## [1] M M F M F
## Levels: F M5.0.3 Con forcats :: fct_recode
#library(forcats)
fct_recode(Sexo_cat, "Female"="F", "Male"="M")## [1] Male Male Female Male Female
## Levels: Female Male5.0.4 Con plyr :: revalue
x <- c("a", "Otro", "c")
plyr::revalue(x, c(a = "Bajo", c = "Alto"))## [1] "Bajo" "Otro" "Alto"plyr::revalue(x, c("a" = "Bajo", "c" = "Alto"))## [1] "Bajo" "Otro" "Alto"y <- factor(c("a", "Otro", "c", "a"))
plyr::revalue(y, c(a = "Bajo", c = "Alto"))## [1] Bajo Otro Alto Bajo
## Levels: Bajo Alto Otro5.0.5 Con car :: recode
x<-rep(1:4,3)
car::recode(x, "c(1,2)='A'; else='B'")## [1] "A" "A" "B" "B" "A" "A" "B" "B" "A" "A" "B" "B"car::Recode(x, "1:2='A'; 3='B'")## [1] "A" "A" "B" "4" "A" "A" "B" "4" "A" "A" "B" "4"6 Añadir niveles
6.0.1 Con factor
Estatura <- factor(c("Alta", "Baja", "Alta", "Alta", "Baja"))
Estatura[6] <- "Media"
Estatura## [1] Alta Baja Alta Alta Baja <NA>
## Levels: Alta Baja6.0.2 Con levels
levels(Estatura) <- c(levels(Estatura), "Media")
Estatura[6] <- "Media"
Estatura## [1] Alta Baja Alta Alta Baja Media
## Levels: Alta Baja Media6.0.3 Con forcats :: fct_expand
#library(forcats)
fct_expand(Estatura, "Otro")## [1] Alta Baja Alta Alta Baja Media
## Levels: Alta Baja Media Otro7 Combinar niveles
7.0.1 Con levels
datos <- Estatura
levels(datos) <- list(Alta="Alta", No=c("Media", "Baja"))
datos## [1] Alta No Alta Alta No No
## Levels: Alta No7.0.2 Con forcats :: fct_expand
library(forcats)
fct_collapse(Estatura, No=c("Media", "Baja"))## [1] Alta No Alta Alta No No
## Levels: Alta No8 Remover niveles
8.0.1 Con índices
Estatura[3:5]## [1] Alta Alta Baja
## Levels: Alta Baja Media8.0.2 Con droplevels
droplevels(Estatura[3:5])## [1] Alta Alta Baja
## Levels: Alta Baja8.0.3 Con forcats :: fct_drop
#library(forcats)
fct_drop(Estatura[3:5], "Media")## [1] Alta Alta Baja
## Levels: Alta Baja9 Reordenar niveles
9.0.1 Con forcats :: fct_relevel
Letras <- factor(rep(c("a", "b", "c", "d"), each=2))
#library(forcats)
fct_relevel(Letras, "a", after=1)## [1] a a b b c c d d
## Levels: b a c dfct_relevel(Letras, "a", after=3)## [1] a a b b c c d d
## Levels: b c d afct_relevel(Letras, "b", after=Inf)## [1] a a b b c c d d
## Levels: a c d b9.0.2 Reordenar niveles de grupo por estadísticas
Letras <- factor(rep(c("a", "b", "c", "d"), each=2))
Numero <- c(1:3, 2:5, 1)
tapply(Numero, Letras, FUN=mean)## a b c d
## 1.5 2.5 3.5 3.0reorder(Letras, Numero, FUN=mean)## [1] a a b b c c d d
## attr(,"scores")
## a b c d
## 1.5 2.5 3.5 3.0
## Levels: a b d c10 Recodificar en data frames
10.0.1 El data frame
A <- 1:5;
B <- c("Masculino", "Femenino", "Masculino", "Masculino", "Femenino")
C <- c(0, 1, 1, 0, 1)
D <- c("Mucho", "Poco", "Mucho", "Bastante", "Mucho")
E <- c("1", "2", "1", "2", "2")
datos <- data.frame(Posición = A, Genero = B, Salud = C, Opinion = D, Fuma = E); datos## Posición Genero Salud Opinion Fuma
## 1 1 Masculino 0 Mucho 1
## 2 2 Femenino 1 Poco 2
## 3 3 Masculino 1 Mucho 1
## 4 4 Masculino 0 Bastante 2
## 5 5 Femenino 1 Mucho 2Debemos especificar cuál es la variable a recodificar, cuáles son los criterios de recodificación y si deseamos que la nueva variable resultante de la recodificación sea un factor o no. Es importante reclacar que, en algunos casos, las recodificaciones tampoco afectarán al propio data.frame.
10.0.2 Recodificar con levels
df <- datos
df$Salud <- factor(df$Salud)
levels(df$Salud)[1] <- "Sano"
levels(df$Salud)[2] <- "Enfermo"
df## Posición Genero Salud Opinion Fuma
## 1 1 Masculino Sano Mucho 1
## 2 2 Femenino Enfermo Poco 2
## 3 3 Masculino Enfermo Mucho 1
## 4 4 Masculino Sano Bastante 2
## 5 5 Femenino Enfermo Mucho 210.0.3 Recodificar con ifelse
df$Genero <- ifelse(df$Genero=="Masculino",1,0)
df## Posición Genero Salud Opinion Fuma
## 1 1 1 Sano Mucho 1
## 2 2 0 Enfermo Poco 2
## 3 3 1 Enfermo Mucho 1
## 4 4 1 Sano Bastante 2
## 5 5 0 Enfermo Mucho 210.0.4 Recodificar con dplyr :: revalue
#library(plyr)
df$Opinion <- revalue(df$Opinion,c("Poco"="1","Bastante"="2", "Mucho"="3"))
df## Posición Genero Salud Opinion Fuma
## 1 1 1 Sano 3 1
## 2 2 0 Enfermo 1 2
## 3 3 1 Enfermo 3 1
## 4 4 1 Sano 2 2
## 5 5 0 Enfermo 3 210.0.5 Con car :: recode
df <- data.frame(edad=c(22,21,34,40), sexo=c("H","M","H","H")); df## edad sexo
## 1 22 H
## 2 21 M
## 3 34 H
## 4 40 H#library(car)
edad_cod<-recode(df$edad, " 15:25='joven'; 26:65='adulto' "); edad_cod ## [1] "joven" "joven" "adulto" "adulto"sexo_cod<-recode(df$sexo, " 'H'=0 ; 'M'=1 "); sexo_cod ## [1] 0 1 0 0df## edad sexo
## 1 22 H
## 2 21 M
## 3 34 H
## 4 40 H11 Recodificar y crear nuevas variables dentro del data frame
11.0.1 El data frame
A <- 1:5;
B <- c("Masculino", "Femenino", "Masculino", "Masculino", "Femenino")
C <- c(0, 1, 1, 0, 1)
D <- c("Mucho", "Poco", "Mucho", "Bastante", "Mucho")
E <- E <- c("1", "2", "1", "2", "2")
datos <- data.frame(Posición = A, Genero = B, Salud = C, Opinion = D, Fuma = E); datos## Posición Genero Salud Opinion Fuma
## 1 1 Masculino 0 Mucho 1
## 2 2 Femenino 1 Poco 2
## 3 3 Masculino 1 Mucho 1
## 4 4 Masculino 0 Bastante 2
## 5 5 Femenino 1 Mucho 211.0.2 Recodificar con ifelse
df <- datos
df$GenderMale <- ifelse(df$Genero=="Masculino",1,0)
df## Posición Genero Salud Opinion Fuma GenderMale
## 1 1 Masculino 0 Mucho 1 1
## 2 2 Femenino 1 Poco 2 0
## 3 3 Masculino 1 Mucho 1 1
## 4 4 Masculino 0 Bastante 2 1
## 5 5 Femenino 1 Mucho 2 011.0.3 Recodificar con plyr :: revalue
#library(plyr)
df$Opinion_cat <- revalue(df$Opinion,c("Poco"="1","Bastante"="2", "Mucho"="3"))
df$Fuma_cat <- revalue(df$Fuma,c("1"="Si","2"="No"))
df## Posición Genero Salud Opinion Fuma GenderMale Opinion_cat Fuma_cat
## 1 1 Masculino 0 Mucho 1 1 3 Si
## 2 2 Femenino 1 Poco 2 0 1 No
## 3 3 Masculino 1 Mucho 1 1 3 Si
## 4 4 Masculino 0 Bastante 2 1 2 No
## 5 5 Femenino 1 Mucho 2 0 3 No12 Recodificar escala tipo Likert
12.0.1 El data frame
A <- c("Mucho", "Bastante", "Mucho", "Poco", "Poco")
B <- c("Mucho", "Poco", "Mucho", "Bastante", "Mucho")
C <- c( "Mucho", "Bastante", "Bastante", "Poco","Mucho")
D <- c( "Poco", "Bastante", "Mucho", "Mucho", "Mucho")
datos <- data.frame(A, B, C, D); datos## A B C D
## 1 Mucho Mucho Mucho Poco
## 2 Bastante Poco Bastante Bastante
## 3 Mucho Mucho Bastante Mucho
## 4 Poco Bastante Poco Mucho
## 5 Poco Mucho Mucho Mucho12.0.2 De categórica a numérica
Nuevo <- data.frame(lapply(datos, factor, ordered=TRUE,
levels=c("Poco","Bastante", "Mucho"),
labels=c("1", "2", "3")))
Nuevo## A B C D
## 1 3 3 3 1
## 2 2 1 2 2
## 3 3 3 2 3
## 4 1 2 1 3
## 5 1 3 3 312.0.3 De numérica a categórica
df <- data.frame(lapply(Nuevo, factor, ordered=TRUE,
levels=c("1","2", "3"),
labels=c("Poco","Bastante", "Mucho")))
df## A B C D
## 1 Mucho Mucho Mucho Poco
## 2 Bastante Poco Bastante Bastante
## 3 Mucho Mucho Bastante Mucho
## 4 Poco Bastante Poco Mucho
## 5 Poco Mucho Mucho Mucho13 Ejercicios
Crear un nuevo documento R Markdown, realizando las siguientes actividades. Crear variables y data frames y practicar los códigos explicados anteriormente.
Bibliografía
Consultar el documento RPubs :: Enlace y materiales de ayuda.
If you found any ERRORS or have SUGGESTIONS, please report them to my email. Thanks.