R語言將變量分組的3種方法實例(含cut函數(shù)說明)
前言
在數(shù)據(jù)處理的過程中,我們有時候需要將連續(xù)的數(shù)值數(shù)據(jù)轉換為類別數(shù)據(jù),比如將收入分成高、中和低三組,將學生成績分為優(yōu)、良、中、及格和不及格五組。
本來將基于R語言,采用三種方法來實現(xiàn);第一種是對變量直接進行重新賦值,第二種是使用within函數(shù)對語句進行組織,第三種是cut函數(shù)。
首先我們定義一個數(shù)據(jù)框,這個數(shù)據(jù)框包括學生姓名和數(shù)學成績兩個變量。
#定義數(shù)據(jù)框 mathScore <- data.frame(name=c("劉文濤","王宇翔","田思雨","徐麗娜","丁文彬","李志國","王智強","宋麗芳","袁芳芳","張建國"), math=c(85, 91, 74, 100, 82, 84, 78, 100, 51, 70)) head(mathScore)
接下來我們以90、80、70和60為界,將學生的數(shù)學成績分為優(yōu)、良、中、及格和不及格五類。
方法一:直接對分組變量進行賦值
#方法一:直接對分組變量進行賦值 attach(mathScore) mathScore$group1[math>=90]="優(yōu)" mathScore$group1[math>= 80 & math < 90] = "良" mathScore$group1[math>= 70 & math < 80] = "中" mathScore$group1[math>= 60 & math < 70] = "及格" mathScore$group1[math < 60] = "不及格" detach(mathScore) head(mathScore)
這種方法較易理解,但使用attach函數(shù)可能會出現(xiàn)一些意想不到的問題,因此我們可以采用within函數(shù),對代碼進行優(yōu)化,即方法二
方法二:使用within函數(shù)對變量進行分組
#方法二:使用within函數(shù)對變量進行分組 mathScore <- within(mathScore,{ group2 <- NA group2[math>=90]="優(yōu)" group2[math>= 80 & math < 90] = "良" group2[math>= 70 & math < 80] = "中" group2[math>= 60 & math < 70] = "及格" group2[math < 60] = "不及格" }) head(mathScore)
在方法二中,要注意within函數(shù)的寫法,賦值語句要用大括號括起來,并且每條賦值語句占一行。此外,在第一行首先定義了 group2 <- NA這個變量。
方法三:采用cut函數(shù)
采用cut函數(shù)也是較為常用的一種方法,但要注意的是需要對間段點的開閉進行設定。
#方法三:采用cut函數(shù) mathScore$group3 <- cut(mathScore$math, breaks = c(-Inf, 60, 70, 80, 90, Inf), labels = c("不及格","及格","中","良","優(yōu)"), right=FALSE)
在cut函數(shù)中:
- breaks表示分界點,Inf表示無窮大; labels表示每個類別的名稱;
- right=FALSE表示表示區(qū)間為左閉右開,即分段時不包括右邊的點,即良為[80,
90);right=TRUE則表示左閉右開區(qū)間(默認是這種情形)
我們執(zhí)行mathScore代碼,就可以看到三種方法得到的結果是一致的。
關于cut函數(shù)參數(shù)的補充說明:
cut函數(shù)有兩個和分界點相關的參數(shù),一個是include.lowest,一個是right,下面對這兩個參數(shù)進行詳細說明。
- right參數(shù):right=TRUE表示左閉右開區(qū)間,right=FALSE表示左開右閉區(qū)間
- include.lowest參數(shù):表示包括最小值或包括最大值
下面通過例子說明:
為了說明問題,我們把數(shù)據(jù)再重新定義一下,比原數(shù)據(jù)加入兩行:
#重新定義一下數(shù)據(jù)框 mathScore <- data.frame(name=c("劉文濤","王宇翔","田思雨","徐麗娜","丁文彬","李志國","王智強","宋麗芳","袁芳芳","張建國","張志偉","李明"), math=c(85, 91, 74, 100, 82, 84, 78, 100, 51, 70, 0, NA)) head(mathScore)
我們把之前代碼改寫一下,把-Inf替換為0,把Inf替換為100,嘗試一下結果:
#問題代碼示例 mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=FALSE) mathScore
我們可以看到輸出的結果如下:
name math group
1 劉文濤 85 良
2 王宇翔 91 優(yōu)
3 田思雨 74 中
4 徐麗娜 100 < NA >
5 丁文彬 82 良
6 李志國 84 良
7 王智強 78 中
8 宋麗芳 100 < NA >
9 袁芳芳 51 不及格
10 張建國 70 中
11 張志偉 0 不及格
12 李明 NA < NA >
此結果有問題,因為100分不包括在內,因為 right=FALSE是左閉右開區(qū)間,這時就要改寫代碼,加上參數(shù)include.lowest=TRUE
如下為正確代碼示例:
#正確代碼示例 mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=FALSE, include.lowest=TRUE) mathScore
這時的結果如下,我們發(fā)現(xiàn)是結果正確的:
name math group
1 劉文濤 85 良
2 王宇翔 91 優(yōu)
3 田思雨 74 中
4 徐麗娜 100 優(yōu)
5 丁文彬 82 良
6 李志國 84 良
7 王智強 78 中
8 宋麗芳 100 優(yōu)
9 袁芳芳 51 不及格
10 張建國 70 中
11 張志偉 0 不及格
12 李明 NA < NA >
因為right=FALSE是左閉右開區(qū)間,加上參數(shù)include.lowest=TRUE后,意為把最大值的右端點包括了。
為了深入了解兩個端點參數(shù)的關系,我們嘗試動下如下兩段代碼:
#對參數(shù)設置嘗試的代碼 mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=TRUE, include.lowest=FALSE) mathScore
此代碼為左閉右開區(qū)間,不包括最小值左側端點;
#對參數(shù)設置嘗試的代碼 mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=TRUE, include.lowest=TRUE) mathScore
此代碼為左閉右開區(qū)間,包括最小值區(qū)間左側端點。
因此,right和include.lowest總結如下:
right參數(shù) | include.lowest參數(shù) | 備注 |
---|---|---|
FALSE | TRUE | 左閉右開,包括最大值端點 |
TRUE | TRUE | 左開右閉,包括最小值端點 |
TRUE | FALSE | 左開右閉,不包括最小值端點 |
FALSE | FALSE | 左閉右開,包括最小值端點 |
其中,cut函數(shù)默認為right = TRUE, include.lowest=FALSE;
在實際的數(shù)據(jù)分析中,一般是將參數(shù)設置為right=FALSE, include.lowest=TRUE,即含下限不含上限,包括最大值區(qū)間右側端點。
總結
到此這篇關于R語言將變量分組的3種方法的文章就介紹到這了,更多相關R語言變量分組內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
R語言繪制數(shù)據(jù)可視化Dumbbell?plot啞鈴圖
這篇文章主要為大家介紹了R語言繪制數(shù)據(jù)可視化Dumbbell?plot啞鈴圖的實現(xiàn)步驟詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步2022-02-02詳解R語言中的多項式回歸、局部回歸、核平滑和平滑樣條回歸模型
這篇文章主要介紹了R語言中的多項式回歸、局部回歸、核平滑和平滑樣條回歸模型,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-03-03