R/aplica_cortes_ordinales.R

In GabyP/categorizaOrdinales: What the Package Does (One Line, Title Case)

#' aplica_cortes_ordinales
#'
#' apply the cuts obtained with aplica_agrupa_nominal to a list of new variables
#' .
#' @param tbla_cortes_variables_ord table with cuts return by aplica_agrupa_nominal.
#' @param tbl table with data to apply the cuts.
#' @param campo_merge name of the variable used to merge the result and the data (index).
#' @keywords
#' @import sqldf
#' @export
#' @examples

#' tbla<-data.frame(
#' id=1:100,
#' grupo1=rep(1:5,100/5),
#' valor=c( as.numeric(rep(runif(90), 1)>.5) , rep(0, 5), rep(1, 5)) ,
#' grupo2=rep(c(11,22,33,33,33),100/5))
#' tbl_grupos=aplica_agrupa_ordinal(train_tbl=tbla, num_cols=c('grupo1', 'grupo2'), target_name='valor', num_ini_groups=100, limite=0.05)
#' aplica_cortes_ordinales(tbla_cortes_variables_ord=tbl_grupos, tbl=tbla, campo_merge='id')




aplica_cortes_ordinales<-function(tbla_cortes_variables_ord, tbl, campo_merge){
  tbl=data.frame(tbl)

  fin=tbl[,campo_merge]
  fin=fin[fin>0 & !is.na(fin)]
  fin=fin[!fin%in% as.numeric(names(table(fin)[table(fin)>1]))]
  fin=data.frame(campo_merge=fin)
  colnames(fin)<-campo_merge

#  library(sqldf)

  tbla_fin<-data.frame(tbla_cortes_variables_ord)
  tbla_fin$inicio<- tbla_fin$corte_inf
  tbla_fin$inicio<- gsub(-Inf, -1e8, tbla_fin$inicio)

  tbla_fin$fin<-tbla_fin$corte_sup
  tbla_fin$fin<-gsub(Inf, 1e8, tbla_fin$fin)


  variables_ord<-unique(tbla_fin$variable_name)
  for (i in variables_ord){#i=variables_ord[3]
    #print(i)
    tbla_rangos=tbla_fin[tbla_fin$variable_name==i, ]
    tbla_rangos=tbla_rangos[, !is.na(colnames(tbla_rangos))]

    vars_grupo=  tbl[,c(i, campo_merge)] ##aplico a todos

    ##merge por rangos
    vars_grupo<-data.frame(vars_grupo)
    #tbla_rangos
    query_text=paste0("select f1.*, f2.nodo_pred,f2.rt_nodo, f2.log_odds
                      from vars_grupo f1 inner join tbla_rangos f2
                      on (f1.", i, "> f2.inicio and f1.", i, "<= f2.fin)")
    b=sqldf::sqldf(query_text, method='raw')

    b=b[, c(campo_merge,'nodo_pred' ,'rt_nodo', 'log_odds')]
    colnames(b)[2]=paste0(i, '_grupo')
    colnames(b)[3]=paste0(i, '_rt')
    colnames(b)[4]=paste0(i, '_log_odds')

    #print(paste0('dim b: ', list(dim(b))))
    fin=merge( fin ,b, by=eval(campo_merge), all.x=T)
    #print(paste0('dim fin: ', dim(fin)))
  }
  return(fin)
}