求助如何实现一个程序，比较复杂

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

现有数据如下, 三个column （title，authors(不同的name用|隔开），number_authors)

Title                      Authors                                                    Number_authors
Title 1               Name A | Name B                                                 2
Title 2               Name A | Name B  | Name C                                  3
Title 3               Name A | Name C  | Name E | Name Z                     4
TITLE 4                NAME A                                                           1
TITLE 5                   NAME F | NAME Z                                            2
..
大概有20000个observations，其中
1. title是unique的
2. number_authors 取值从1-200.


现在想做的是，对每一个observation生成一系列variables（5个）：at_least_x_authors_repeat. X从1-5取整数值. 变量取值0或1
也就是：at_least_1_authors_repeat； at_least_2_authors_repeat；at_least_3_authors_repeat；at_least_4_authors_repeat；
at_least_5_authors_repeat.
变量描述了在这组数据中有多少作者是重复的


变量举例描述： 比如at_least_2_authors_repeat：title3有name A, name C, name E, name Z 四个author 如果其中至少两个名字在别的observation里也同时出现过，那么at_least_2_authors_repeat = 1, 如果任意两个名字在其他observation里都没有同时出现过，那么at_least_2_authors_repeat = 0.
从目前数据看来，A 和 C 在title 2 中同时出现过，所以title 2 和title3 的at_least_2_authors_repeat取值为1.
同样的,对于at_least_3_authors_repeat,我们需要检验至少三个.

这个程序应该怎样实现的？小弟已经冥思苦想很久了，仍然没有头绪，希望各位指点一二，谢谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：如何实现 observations observation Variables observat title 程序 如何

Stata没用过，不过感觉用R处理这个问题应该不难

操作确实复杂，可以提供一个思路，首先建立一个名字库吧。

小女子按照你的要求，随机生成200条observation，其中每篇author数最大为7，然后整理的结果如下

如果结果符合你的要求，可以私信我啊，很希望能够帮到你

title3中的A在title1,2,4中出现，C中title2中出现，Z在title5中出现，所以at_least3=1是这样理解吗

谢谢大家的回复，由于我描述不清造成大家误解，抱歉。

已更正为：同时出现  也就是说A和C 必须同时在title1和title3出现他们的at_least2才是2.

希望可以明白一点，继续顶上来寻求帮助！

顶一下

去了30个observations再做了一遍，楼主看看是否正确

iabc 发表于 2014-8-21 18:03
去了30个observations再做了一遍，楼主看看是否正确

谢谢回复

肉眼识别稍微困难了一点..虽然这是在R里，你愿意分享一下R的program吗？

hqs811 发表于 2014-8-21 20:42
谢谢回复

肉眼识别稍微困难了一点..虽然这是在R里，你愿意分享一下R的program吗？

####################################################################
#####         模拟数据
#################################################################
Title=paste0("title",1:30)

names=paste0(rep(letters,9),1:9)
author.names=function(n){       ####随机生成单篇文章作者
      NAMES=sort(sample(names,size=n,replace=FALSE))
      paste(NAMES,"",sep="",collapse=" | ")
}

v.a.n=function(n){             ####向量化生成多篇文章作者
      sapply(n,author.names)
}

Author.num=sapply(1:30,function(o){sample(1:9,size=1)})
Author.names=v.a.n(Author.num)


dat=data.frame(title=Title,author_names=Author.names,author_num=Author.num)
##############################################################################


#######################################################################
#####   Data preparation
#####################################################################
mynames=function(name){unlist(strsplit(name," \\| "))}   ## "|"要用转义字符表示
v.names=function(names){lapply(names,mynames)}

namebook=v.names(Author.names)   

LEN=nrow(dat)

author_at_least.list=lapply(1:LEN,function(o){rep(0,5)})



for(i in 1:LEN){
  name=namebook[]
  ind=(1:LEN)[-i]
  re_names=sapply(ind,function(k){sum(!is.na(match(name,namebook[[k]])))})
  n=min(5,max(re_names))
  if(n!=0) author_at_least.list[][1:n]=1
}


author_at_least.matrix=matrix(unlist(author_at_least.list),byrow=TRUE,ncol=5)
colnames(author_at_least.matrix)=paste0("at_least",1:5)

mdata=cbind(dat,author_at_least.matrix)

mdata