#r #dplyr
Вопрос:
У меня есть следующий сгенерированный df с возрастом и весом
df = data.frame( Age = sample(18:98, 1000, replace = TRUE), Weight = sample(80:250, 10000, replace = TRUE) ) Я хочу изменить непрерывные столбцы, создав сегменты на основе квантилей (25%, 50%, 75%. Это можно сделать так:
gt; quantile(df$Age, probs = c(0.25,0.5,0.75)) 25% 50% 75% 39 58 78 Однако я хочу использовать функцию cut, используя эти квантили (25%, 50%, 75%)
Как я могу это сделать? Я хочу, чтобы выходные данные преобразовывались во что-то подобное, где любая непрерывная переменная преобразуется в сегменты на основе квантиля (25%, 50%, 75%)
Age Weight (17.9,44.7] (137,193] (44.7,71.3] (137,193] (71.3,98.1] (79.8,137] (44.7,71.3] (193,250] (17.9,44.7] (79.8,137] Комментарии:
1. (1) В вашем коде отсутствует запятая, пожалуйста, проверьте свой собственный код, прежде чем отправлять вопрос. (2) Пожалуйста, используйте
set.seed, прежде чем использовать случайные числа, чтобы мы могли попытаться воспроизвести ваши случайные числа (мы не можем). (3) Учитывая , что выAgeдолжны быть помещены в корзину39,58,78, откуда берутся ожидаемые диапазоныAge?2. Если вам нужно что-то более мощное , чем просто использование вывода
quantileincut, взгляните наclassIntпакет, в котором есть функцияclassIntervals, которая разбивает непрерывные переменные на ячейки на основе одной из нескольких различных функций.
Ответ №1:
Просто передайте свои квантили в качестве второго аргумента cut , хотя добавьте квантили 0 и 1 , чтобы ваши сокращения имели нижнюю и верхнюю границы. (т. Е. c(0, 0.25, 0.5, 0.75, 1) , которые можно кратко записать как 0:4 / 4 )
Версия Tidyverse
library(dplyr) as_tibble(df) %gt;% mutate(across(everything(), .fn = function(x) cut(x, quantile(x, 0:4/4)))) #gt; # A tibble: 10,000 x 2 #gt; Age Weight #gt; lt;fctgt; lt;fctgt; #gt; 1 (18,38] (80,121] #gt; 2 (78,98] (121,165] #gt; 3 (18,38] (121,165] #gt; 4 (58,78] (208,250] #gt; 5 (58,78] (165,208] #gt; 6 (78,98] (80,121] #gt; 7 (38,58] (165,208] #gt; 8 (58,78] (80,121] #gt; 9 (38,58] (165,208] #gt; 10 (58,78] (121,165] #gt; # ... with 9,990 more rows Базовая версия R
df$Age lt;- cut(df$Age, quantile(df$Age, 0:4/4)) df$Weight lt;- cut(df$Weight, quantile(df$Weight, 0:4/4)) Комментарии:
1. Привет, я на самом деле хочу сделать квантили (0,25, 0,5, 0,75), но когда я это делаю
df %gt;% mutate(across(everything(), .fn = function(x) cut(x, quantile(x, probs = c(0.25,0.5,0.75))))), я получаю значения lt;NAgt;. Вы знаете, почему это так? Кроме того, я вообще не хочу мутировать во всем, потому что я хочу обобщить, чтобы фрейм данных мог иметь не все непрерывные значения.2. @Eisen если ваш самый низкий разрыв составляет 25% квантиля, то все, что ниже этого, не будет включено и станет
NA. Аналогично, все, что превышает 75% — ный центиль, будетNA, если вы установите эти разрывы. Вот почему я предложил добавить 0 и 1 центиль — это разделит ваши данные на 4 правильных квантиля, не исключая самый высокий и самый низкий квартили. Например, квантиль 0-25%, квартиль 25-50%, квартиль 50-75% и квартиль 75-100%3. @Eisen смотрите мое обновление, чтобы сделать это для каждого столбца в базе R
4. Это круто, но не совсем то, чего я хочу.
quantile(df$Age, probs = c(0.25,0.5,0.75))бы выделить нужный мне пользовательский квантиль.. Пытаюсь понять, как включить его вcut()себя . Таким образом, все, что составляет 25% или меньше, считается 25%, а все, что составляет 75% или больше, считается 75%5. @Eisen если вы хотите, чтобы каждое наблюдение было помещено в корзину, самые низкие и самые высокие значения наблюдения должны находиться в пределах самого высокого и самого низкого значения
breaks. Ввод ваших квантилей сохранит только второй и четвертый квантили. Это то, чего ты хочешь? Если нет, не могли бы вы объяснить, чего вы пытаетесь достичь немного более подробно? Спасибо
Ответ №2:
В моей santoku посылке есть chop_quantiles() :
library(santoku) df[] lt;- apply(df, 2, chop_quantiles, 0:4/4) или еще проще:
df[] lt;- apply(df, 2, chop_equally, 4) Пустые скобки-это трюк, который сохраняется df как data.frame.
Если вам нужны исходные значения в ваших метках, вы можете сделать:
df[] lt;- apply(df, 2, chop_equally, 4, labels = lbl_intervals(raw = TRUE))