在 R 中为连续数据指定 bin 范围值

Question

我有一组交易价值，范围为 0-15000 美元。我绘制了一个直方图，指定了 250 美元的 bin 值的中断，这很有帮助。我想做的是回到数据框中并在数据框中创建我自己的 bin 值。这些 bin 会指定交易落入的范围，例如：0-250、251-499、500-749、750...由 250 一直到 15,000。

我看了这篇关于“cut”和“findInterval”的漂亮帖子Generate bins from a data frame，但它们并没有真正达到我的期望。对于低 bin 范围来说，这要么是看起来不错的讨厌因素，但一旦我超过 $x,000，我就会得到 e-values (1.27e+04, 1.3e04)。

我想要的是：

Tran ID   Amount     Bin
135       $249.22    0-250
138      $1,022.01   1000-1249
155      $10,350.11  10,249-10,500

'cut' 或 'findInterval' 可以实现这一点，还是有更好的实现方式？

Answer 1

cut 是解决这个问题的方法。如果您不喜欢带括号的输出，您可以使用一些数据操作使其看起来像您想要的那样。

bins <- seq(0, 15000, by=250)
Amount2 <- as.numeric(gsub("\\$|,", "", df$Amount))
labels <- gsub("(?<!^)(\\d{3})$", ",\\1", bins, perl=T)
rangelabels <- paste(head(labels,-1), tail(labels,-1), sep="-")
df$Bin <- cut(Amount2, bins, rangelabels)

我们首先创建一个从 0 到 15,000 x 250 的序列。接下来，我们通过消除美元符号和逗号来格式化 Amount 列并保存到变量 Amount2。然后，我们通过在前三位数字后插入逗号来格式化输出标签。我们将在最后的Bin 列中使用该变量。

变量 rangelabels 将 bin 断点与连字符组合在一起。接下来是主要功能，cut(Amount2, bins, rangelabels)。第一个参数Amount2 是被切割的数据帧向量。第二个参数bins 提供间隔的中断。最后一个参数rangelabels 是输出的名称向量，结果为：

df
  TranID     Amount           Bin
1    135    $249.22         0-250
2    138  $1,022.01   1,000-1,250
3    155 $10,350.11 10,250-10,500