Question

我使用cut()为我的数据列创建了bin。使用下面的mtcars的可复制示例：

library(tidyverse)
df <- mtcars

df$mpg_binned <- cut(x = df$mpg, breaks = 4)
df <- df %>% select(mpg, mpg_binned, everything())
head(df)

#>                    mpg  mpg_binned cyl disp  hp drat    wt  qsec vs am
#> Mazda RX4         21.0 (16.3,22.1]   6  160 110 3.90 2.620 16.46  0  1
#> Mazda RX4 Wag     21.0 (16.3,22.1]   6  160 110 3.90 2.875 17.02  0  1
#> Datsun 710        22.8   (22.1,28]   4  108  93 3.85 2.320 18.61  1  1
#> Hornet 4 Drive    21.4 (16.3,22.1]   6  258 110 3.08 3.215 19.44  1  0
#> Hornet Sportabout 18.7 (16.3,22.1]   8  360 175 3.15 3.440 17.02  0  0
#> Valiant           18.1 (16.3,22.1]   6  225 105 2.76 3.460 20.22  1  0

使用新列mpg_binned（如上），我想创建一个新的chr列，作为箱的含义标签（当我为以下项创建输出表时最终用户）。

所以我想要的输出将是

#>                    mpg  mpg_binned bin_label 
#> Mazda RX4         21.0 (16.3,22.1]   16.3 < mpg <= 22.1  
#> Mazda RX4 Wag     21.0 (16.3,22.1]   16.3 < mpg <= 22.1  
#> Datsun 710        22.8   (22.1,28]   22.1 < mpg <= 28  
#> Hornet 4 Drive    21.4 (16.3,22.1]   16.3 < mpg <= 22.1

如果只有两个垃圾箱，我将使用ifelse() －具有多个垃圾箱，是否需要嵌套ifelse()？有更简单的东西吗？

由于某种原因，对于一个垃圾箱，我无法使下面的行起作用。而且我正在为所有垃圾箱贴标签。

Tidyverse解决方案会很棒，但我愿意接受所有解决方案。

df$bin_label <- 
  ifelse(df2$mpg_binned=="(16.3,22.1]", yes = "16.3 < mpg <= 22.1", no = df2$mpg_binned)

Answer 1

由于我们事先不知道确切的breaks数据将被分割，所以一种选择是使用正则表达式提取数字。因此，对于mpg列，我们可以

sub("\\((\\d+\\.?\\d?),(\\d+\\.?\\d?).*", "\\1 < mpg <= \\2", df$mpg_binned)
#[1] "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" "22.1 < mpg <= 28"  
#    "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" ......

这将避免编写多个ifelse语句，因为它可以随着breaks数量的增加而增加。

对于更新的情况，我们要对提取的数字执行一些数学运算，我们可能需要分别提取数字。

library(dplyr)

df %>%
  mutate(first_part =  sub("\\((\\d+\\.?\\d?).*", "\\1", mpg_binned), 
         second_part = as.numeric(sub(".*,(\\d+\\.?\\d?).*", "\\1", mpg_binned)) - 1) %>%
  tidyr::unite(combined, first_part, second_part, sep = "< mpg <= ")


#   mpg cyl  disp  hp drat    wt  qsec vs am gear carb  mpg_binned          combined
#1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 (16.3,22.1] 16.3< mpg <= 21.1
#2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 (16.3,22.1] 16.3< mpg <= 21.1
#3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1   (22.1,28]   22.1< mpg <= 27
#4  21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1 (16.3,22.1] 16.3< mpg <= 21.1
#5  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2 (16.3,22.1] 16.3< mpg <= 21.1
#...

Answer 2

这是str_replace的一个选项，其中我们将数字部分作为一个组捕获，并替换为该组的后向引用（\\1，\\2），并在其中插入我们想要的字符串添加

library(tidyverse)
df %>% 
   rownames_to_column('rn') %>%
   mutate(bin_label  = str_replace(mpg_binned,
               "\\(([0-9.]+),([0-9.]+)\\]", "\\1 < mpg <= \\2")) %>%
   column_to_rownames('rn')

#                    mpg  mpg_binned cyl  disp  hp drat    wt  qsec vs am gear carb          bin_label
#Mazda RX4           21.0 (16.3,22.1]   6 160.0 110 3.90 2.620 16.46  0  1    4    4 16.3 < mpg <= 22.1
#Mazda RX4 Wag       21.0 (16.3,22.1]   6 160.0 110 3.90 2.875 17.02  0  1    4    4 16.3 < mpg <= 22.1
#Datsun 710          22.8   (22.1,28]   4 108.0  93 3.85 2.320 18.61  1  1    4    1   22.1 < mpg <= 28
#Hornet 4 Drive      21.4 (16.3,22.1]   6 258.0 110 3.08 3.215 19.44  1  0    3    1 16.3 < mpg <= 22.1
#Hornet Sportabout   18.7 (16.3,22.1]   8 360.0 175 3.15 3.440 17.02  0  0    3    2 16.3 < mpg <= 22.1
#Valiant             18.1 (16.3,22.1]   6 225.0 105 2.76 3.460 20.22  1  0    3    1 16.3 < mpg <= 22.1

或者另一种选择是提取数字部分和paste

df %>%
    rownames_to_column('rn') %>%
    mutate(bin_label = map_chr(str_extract_all(mpg_binned, "[0-9.]+"),
              ~ str_c(first(.x), "< mpg <= ", last(.x)))) %>%
   column_to_rownames('rn')

用`cut（）`对数据进行分箱后，创建标签的`chr`列

2 个答案: