1

tengo este dataframe:

bd <- data.frame(a=c(3,5,"","",1),b=c("",3,"","",2),c=c(3,"","","",3),d=c(1,"","",5,4))

el cual da como resultado:

a  b  c  d
3     3  1 
5  3

         5
1  2  3  4

Lo que necesito hacer es crear una nueva variable en el que obtenga la posicion de la columna, el cual cumpla que la suma acumulada por filas sea mayor o igual a 5 por primera vez

Deberia obtener algo asi:

a  b  c  d  N_V
3     3  1   3   ## N_V=3 es la posicion de la columna c (ya que 3+3>=5)
5  3         1
             0
         5   4
1  2  3  4   3

1 respuesta 1

0

En primer lugar, no sé si tu ejemplo es representativo, es rara la forma que lo defines:

bd <- data.frame(a=c(3,5,"","",1),b=c("",3,"","",2),c=c(3,"","","",3),d=c(1,"","",5,4))

Básicamente por dos razones: (a) Al usar "" para indicar ausencia de valor estás coercionando la columna para que sea una cadena y no un número y (b) la función data.frame() tiene un comportamiento por defecto, para algunos cuestionable, que trata a las cadenas como factores.

Como necesitamos tratar todas las columnas como numéricas, debemos reconvertir los datos mediante:

bd <- apply(bd, MARGIN=2, FUN=function(x) {as.numeric(as.character(x))})
bd

      a  b  c  d
[1,]  3 NA  3  1
[2,]  5  3 NA NA
[3,] NA NA NA NA
[4,] NA NA NA  5
[5,]  1  2  3  4

Básicamente transformamos cada columna en una cadena (por que en realidad ya es un factor) y luego a un numérico. El resultado final es una matriz numérica, donde NA es la ausencia de un valor. Todo esto se podría simplificar si el ejemplo se definiera así:

bd <- data.frame(a=c(3,5,NA,NA,1),b=c(NA,3,NA,NA,2),c=c(3,NA,NA,NA,3),d=c(1,NA,NA,5,4))

Ahora sí vamos a tu pregunta:

Una forma muy sencilla es verificar la suma acumulada por fila y entonces verificar la posición del primer valor que supere nuestro límite, por ejemplo:

cumsum(ifelse(is.na(bd[1, ]),0,bd[1, ]))
[1]  3  3  6  7 10

Con esto tenemos la suma acumulada de la fila 1, hay que tener precaución con los valores NA, por lo que con el ifelse() transformamos estos en 0 para poder completar el cumsum(), y por último para saber que posición es la del primer valor que cumpla la condición podemos agregar el uso del which():

which(cumsum(ifelse(is.na(bd[1, ]),0,bd[1, ]))>=5)[1]
[1] 3

Para la primer fila, la columna 3 es la que cumple la condición. Ahora solo resta transformar todo en una función y aplicarla iterativamente sobre cada fila:

bd$N_V <- apply(bd, MARGIN=1, FUN=function(x) {which(cumsum(ifelse(is.na(x),0,x))>=5)[1]})

bd
   a  b  c  d N_V
1  3 NA  3  1   3
2  5  3 NA NA   1
3 NA NA NA NA  NA
4 NA NA NA  5   4
5  1  2  3  4   3

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.