用 dplyr 对连续变量进行分类[重复]答案

【问题标题】：Categorize continuous variable with dplyr [duplicate]用 dplyr 对连续变量进行分类[重复]
【发布时间】：2017-03-15 18:36:19
【问题描述】：

我想根据连续数据创建一个具有 3 个任意类别的新变量。

set.seed(123)
df <- data.frame(a = rnorm(100))

我会使用 base

df$category[df$a < 0.5] <- "low"
df$category[df$a > 0.5 & df$a < 0.6] <- "middle"
df$category[df$a > 0.6] <- "high"

有没有 dplyr，我猜是 mutate()，解决这个问题？

此外，有没有办法计算类别而不是选择它们？ IE。让 R 计算类别的中断位置。

编辑

答案在这个thread，但是，它不涉及标签，这让我感到困惑（也可能让其他人感到困惑），因此我认为这个问题是有目的的。

【问题讨论】：

尝试使用cut。见?cut。
答案在这里stackoverflow.com/questions/23163567/…
@GabrielFGeislerMesevage 当然，我读过那个，但是，它不涉及罗伯特和 aichao 下面提到的标签问题。对于像我这样的初学者，我认为这个线程是有目的的。如果我错了，请纠正我。
dplyr 通过case_when() 函数为此提供了一个简洁的解决方案。 dplyr.tidyverse.org/reference/case_when.html

标签： r dplyr

【解决方案1】：

要将数字转换为分类，请使用cut。在您的特定情况下，您希望：

df$category <- cut(df$a, 
                   breaks=c(-Inf, 0.5, 0.6, Inf), 
                   labels=c("low","middle","high"))

或者，使用dplyr：

library(dplyr)
res <- df %>% mutate(category=cut(a, breaks=c(-Inf, 0.5, 0.6, Inf), labels=c("low","middle","high")))
##               a category
##1   -0.560475647      low
##2   -0.230177489      low
##3    1.558708314     high
##4    0.070508391      low
##5    0.129287735      low
## ...
##35   0.821581082     high
##36   0.688640254     high
##37   0.553917654   middle
##38  -0.061911711      low
##39  -0.305962664      low
##40  -0.380471001      low
## ...
##96  -0.600259587      low
##97   2.187332993     high
##98   1.532610626     high
##99  -0.235700359      low
##100 -1.026420900      low

【讨论】：

另外，如果您希望对结果类别进行排序，请设置cut(..., ordered_result = TRUE)。

【解决方案2】：

将quantiles 用于cut

xs=quantile(df$a,c(0,1/3,2/3,1))
xs[1]=xs[1]-.00005
df1 <- df %>% mutate(category=cut(a, breaks=xs, labels=c("low","middle","high")))
boxplot(df1$a~df1$category,col=3:5)

【讨论】：