Kategorisieren numerische variable mit mutieren

Ich würde gerne eine Kategorisierung numerische variable in meinem data.frame Objekt mit der Verwendung von dplyr (und habe keine Ahnung, wie es zu tun).

Ohne dplyr würde, würde ich wahrscheinlich etwas wie:

df <- data.frame(a = rnorm(1e3), b = rnorm(1e3))
df$a <- cut(df$a , breaks=quantile(df$a, probs = seq(0, 1, 0.2)))

und es wäre getan. Allerdings habe ich dringend vorziehen, es zu tun mit der Verwendung von einigen dplyr Funktion (mutate, nehme ich an) in der chain Folge von anderen Taten, die ich tun, führen Sie über meine data.frame.

  • Vermutung (von google und dem Lesen der online-Anleitung, ich habe noch nie verwendet dplyr), würde ich sagen mutate( df , a = cut( a , breaks = quantile( a , probs = seq( 0 , 1 , 0.2 ) ) ) )...
  • Nope =) df %.% mutate(df, a = cut(a, breaks = quantile(a, probs = seq(0,1,0.2)))) zurück Error: unsupported type for column 'df' (VECSXP, classes = data.frame)
  • Mea culpa! In der Eile habe ich vergessen zu entfernen df im mutate während der Verwendung %.% chain Sequenz... ich bitte um Entschuldigung und danke!
InformationsquelleAutor Marta Karas | 2014-04-18
  1. 25
    set.seed(123)
df <- data.frame(a = rnorm(10), b = rnorm(10))

df %>% mutate(a = cut(a, breaks = quantile(a, probs = seq(0, 1, 0.2))))

    geben:

                     a          b
1  (-0.586,-0.316]  1.2240818
2   (-0.316,0.094]  0.3598138
3      (0.68,1.72]  0.4007715
4   (-0.316,0.094]  0.1106827
5     (0.094,0.68] -0.5558411
6      (0.68,1.72]  1.7869131
7     (0.094,0.68]  0.4978505
8             <NA> -1.9666172
9   (-1.27,-0.586]  0.7013559
10 (-0.586,-0.316] -0.4727914
    • Was ist die dplyr profitieren tun df %.% mutate( a = ... ) über df <- mutate( df , a = ... ). Ändert sich durch die Bezugnahme der erste Weg?
    • Es verbessert die Lesbarkeit während der Ausführung einer Reihe von Aktionen über einen data.farme - anstelle der Verwendung von verschachtelten Funktionen, Sie können schreiben Sie Sie der Reihe nach mit dem Einsatz von %.% - und - deshalb - Las-code in ein von-Links-nach-rechts Art und Weise (nicht: von-innen-nach-außen). Mehr hier: blog.rstudio.org/2014/01/17/introducing-dplyr
    InformationsquelleAutor G. Grothendieck
  2. 9

    Den ggplot2 Paket hat 3 Funktionen, dass die Arbeit gut für diese Aufgaben:

    • cut_number(): Macht n-Gruppen mit (annähernd) gleiche Anzahl von Beobachtungen
    • cut_interval(): Macht n-Gruppen mit gleicher Reichweite
    • cut_width: Gruppen von Breite

    Mein go-to cut_number() da diese Nutzungen gleichmäßig verteilt Quantile für die Gruppierung von Beobachtungen. Hier ein Beispiel mit Daten verzerrt.

    library(tidyverse)

skewed_tbl <- tibble(
    counts = c(1:100, 1:50, 1:20, rep(1:10, 3), 
               rep(1:5, 5), rep(1:2, 10), rep(1, 20))
    ) %>%
    mutate(
        counts_cut_number   = cut_number(counts, n = 4),
        counts_cut_interval = cut_interval(counts, n = 4),
        counts_cut_width    = cut_width(counts, width = 25)
        ) 

# Data
skewed_tbl
#> # A tibble: 265 x 4
#>    counts counts_cut_number counts_cut_interval counts_cut_width
#>     <dbl> <fct>             <fct>               <fct>           
#>  1      1 [1,3]             [1,25.8]            [-12.5,12.5]    
#>  2      2 [1,3]             [1,25.8]            [-12.5,12.5]    
#>  3      3 [1,3]             [1,25.8]            [-12.5,12.5]    
#>  4      4 (3,13]            [1,25.8]            [-12.5,12.5]    
#>  5      5 (3,13]            [1,25.8]            [-12.5,12.5]    
#>  6      6 (3,13]            [1,25.8]            [-12.5,12.5]    
#>  7      7 (3,13]            [1,25.8]            [-12.5,12.5]    
#>  8      8 (3,13]            [1,25.8]            [-12.5,12.5]    
#>  9      9 (3,13]            [1,25.8]            [-12.5,12.5]    
#> 10     10 (3,13]            [1,25.8]            [-12.5,12.5]    
#> # ... with 255 more rows

summary(skewed_tbl$counts)
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>    1.00    3.00   13.00   25.75   42.00  100.00

# Histogram showing skew
skewed_tbl %>%
    ggplot(aes(counts)) +
    geom_histogram(bins = 30)

    Kategorisieren numerische variable mit mutieren

    # cut_number() evenly distributes observations into bins by quantile
skewed_tbl %>%
    ggplot(aes(counts_cut_number)) +
    geom_bar()

    Kategorisieren numerische variable mit mutieren

    # cut_interval() evenly splits the interval across the range
skewed_tbl %>%
    ggplot(aes(counts_cut_interval)) +
    geom_bar()

    Kategorisieren numerische variable mit mutieren

    # cut_width() uses the width = 25 to create bins that are 25 in width
skewed_tbl %>%
    ggplot(aes(counts_cut_width)) +
    geom_bar()

    Kategorisieren numerische variable mit mutieren

    Erstellt am 2018-11-01 durch die reprex Paket (v0.2.1)

    • Ich war nicht bewusst diese Funktionen. Können Sie direkt in der dplyr Ketten?
    InformationsquelleAutor Matt Dancho
Schreibe einen Kommentar