R中间隔的虚拟变量代码

Question

我有一个来自特定来源的属性距离变量（以米为单位），通过 QGIS 在我的数据子集中创建。

我想在 R 中创建如下虚拟间隔：

0-100、101-200、201-300、301-400 和 401-500

我编写了如下代码，以便在以下任何间隔内包含所有属性：

data$Distance_100<-0
data$Distance_100[data$Distance<100]<-1

data$Distance_200<-0
data$Distance_200[data$Distance>=101&data$Distance<200]<-1

data$Distance_300<-0
data$Distance_300[data$Distance>=201&data$Distance<300]<-1

data$Distance_400<-0
data$Distance_400[data$Distance>=301&data$Distance<400]<-1

data$Distance_500<-0
data$Distance_500[data$Distance>=401&data$Distance<500]<-1

编码似乎有问题。它不会使用看起来正确的编码分配位于区间内的所有属性。有什么建议吗？

Answer 1

使用cut 函数为区间创建单个分类变量：

data$DistanceCut5 = cut(data$Distance, breaks=c(0,100,200,300,400,500))

如果您要进行回归，则无需编写单独的虚拟变量。如果您在回归公式中输入DistanceCut5，R 会为您解决这个问题。

另外，请查看cut 的帮助，以便了解如何更改类别标签（使用 labels 参数）以及如何确定间隔的右侧或左侧是否闭合（使用right 参数）。

此外，如果Distance 的任何值大于500，cut 会将类别标签设置为NA（缺失）。如果要确保Distance 的所有值在DistanceCut5 中都有一个类别值，那么请确保levels 的最小值和最大值之间的范围包括Distance 中的所有值。

另一种风格的注释：data 实际上是R 中的一个函数，所以最好不要养成使用它作为数据框名称的习惯。