Блог

Я работаю с языком программирования R. Предположим, у меня есть следующие данные:

 a = rnorm(1000,10,1)  b = rnorm(200,3,1)  c = rnorm(200,13,1)    d = c(a,b,c) index lt;- 1:1400  my_data = data.frame(index,d)  

Я могу сделать следующие гистограммы тех же данных, отрегулировав длину «ячейки» (с помощью опции «разрывы»).:

 hist(my_data, breaks = 10, main = "Histogram #1, Breaks = 10")  hist(my_data, breaks = 100, main = "Histogram #2, Breaks = 100")  hist(my_data, breaks = 5, main = "Histogram #3, Breaks = 5")  

Мой вопрос: В каждой из этих гистограмм есть разное количество «баров» (т. е. ячеек). Например, на первой гистограмме 8 баров, а на третьей гистограмме 4 бара. Для каждой из этих гистограмм есть ли способ узнать, какие наблюдения (из исходного файла «d») расположены в каждом баре?

Прямо сейчас я пытаюсь сделать это вручную, например (для гистограммы №3)

 histogram3_bar1 lt;- my_data[which(my_data$d lt; 5 amp; my_data$d gt; 0), ] histogram3_bar2 lt;- my_data[which(my_data$d lt; 10 amp; my_data$d gt; 5), ] histogram3_bar3 lt;- my_data[which(my_data$d lt; 15 amp; my_data$d gt; 10), ] histogram3_bar4 lt;- my_data[which(my_data$d lt; 15 amp; my_data$d gt; 20), ]   head(histogram3_bar1)   index d 1001 1001 4.156393 1002 1002 3.358958 1003 1003 1.605904 1004 1004 3.603535 1006 1006 2.943456 1007 1007 1.586542  

Но есть ли более «эффективный» способ сделать это?

Спасибо!

hist само по себе может обеспечить решение проблемы вопроса, чтобы выяснить, какие точки данных находятся в каких интервалах. hist возвращает список с первым участником breaks

Во-первых, сделайте проблему воспроизводимой, установив начальное значение RNG.

 set.seed(2021) a = rnorm(1000,10,1) b = rnorm(200,3,1) c = rnorm(200,13,1) d = c(a,b,c)  

Теперь сохраните возвращаемое значение hist и findInterval сообщите ячейкам, в которых находятся все точки данных.

 h1 lt;- hist(d, breaks = 10) f1 lt;- findInterval(d, h1$breaks)  h1$breaks # [1] -2 0 2 4 6 8 10 12 14 16  head(f1) #[1] 6 7 7 7 7 6  

Первые шесть наблюдений представляют собой интервалы 6 и 7 с конечными точками 8, 10 и 12, как видно из индексации d по f1 :

 head(d[f1]) #[1] 8.07743 10.26174 10.26174 10.26174 10.26174 8.07743  

Что касается того, являются ли интервалы, заданные конечными точками 8, 10 и 12, левыми или правыми, закрытыми, см. help("findInterval")

В качестве заключительной проверки приведите в таблицу возвращенные значения findInterval и посмотрите, соответствуют ли они подсчетам гистограммы.

 table(f1) #f1 # 1 2 3 4 5 6 7 8 9  # 2 34 130 34 17 478 512 169 24  h1$counts #[1] 2 34 130 34 17 478 512 169 24  

Чтобы иметь интервалы для каждой точки данных, выполните следующие действия

 bins lt;- data.frame(bin = f1, min = h1$breaks[f1], max = h1$breaks[f1   1L]) head(bins) # bin min max #1 6 8 10 #2 7 10 12 #3 7 10 12 #4 7 10 12 #5 7 10 12 #6 6 8 10