Question

在这里，我创建一个新列，以指示myData是高于还是低于其中位数

### MedianSplits based on Whole Data
#create some test data
myDataFrame=data.frame(myData=runif(15),myFactor=rep(c("A","B","C"),5)) 

#create column showing median split
myBreaks= quantile(myDataFrame$myData,c(0,.5,1))
myDataFrame$MedianSplitWholeData = cut(
    myDataFrame$myData,
    breaks=myBreaks, 
    include.lowest=TRUE,
    labels=c("Below","Above"))

#Check if it's correct
myDataFrame$AboveWholeMedian = myDataFrame$myData > median(myDataFrame$myData)
myDataFrame

工作正常。现在我想做同样的事情，但计算myFactor每个级别的中位数分割。

我想出了这个：

#Median splits within factor levels
byOutput=by(myDataFrame$myData,myDataFrame$myFactor, function (x) {
     myBreaks= quantile(x,c(0,.5,1))
     MedianSplitByGroup=cut(x,
       breaks=myBreaks, 
       include.lowest=TRUE,
       labels=c("Below","Above"))
     MedianSplitByGroup
     })

byOutput包含我想要的内容。它正确地对因子A，B和C的每个元素进行分类。但是我想创建一个新列myDataFrame $ FactorLevelMedianSplit，它显示了新计算的中值分割。

如何将“by”命令的输出转换为有用的数据框列？

我想也许“by”命令不是R式的做法......

更新：

以Thierry为例巧妙地使用factor（），并在Spector的书中发现“ave”函数后，我找到了这个解决方案，不需要额外的包。

myDataFrame$MediansByFactor=ave(
    myDataFrame$myData,
    myDataFrame$myFactor,
    FUN=median)

myDataFrame$FactorLevelMedianSplit = factor(
    myDataFrame$myData>myDataFrame$MediansByFactor, 
    levels = c(TRUE, FALSE), 
    labels = c("Above", "Below"))

Answer 1

这是使用plyr包的解决方案。

myDataFrame <- data.frame(myData=runif(15),myFactor=rep(c("A","B","C"),5))
library(plyr)
ddply(myDataFrame, "myFactor", function(x){
    x$Median <- median(x$myData)
    x$FactorLevelMedianSplit <- factor(x$myData <= x$Median, levels = c(TRUE, FALSE), labels = c("Below", "Above"))
    x
})

Answer 2

这是一种黑客行为方式。哈德利可能会有更优雅的东西：

首先，我们简单地连接by输出：

 R> do.call(c,byOutput)
A1 A2 A3 A4 A5 B1 B2 B3 B4 B5 C1 C2 C3 C4 C5 
 1  2  2  1  1  1  1  2  1  2  1  2  1  1  2

并且重要的是我们在这里获得因子级别1和2，我们可以使用这些因子来重新索引具有这些级别的新因子：

R> c("Below","Above")[do.call(c,byOutput)]
 [1] "Below" "Above" "Above" "Below" "Below" "Below" "Below" "Above" 
 [8] "Below" "Above" "Below" "Above" "Below" "Below" "Above"
R> as.factor(c("Below","Above")[do.call(c,byOutput)])
[1] Below Above Above Below Below Below Below Above Below Above 
[11] Below Above Below Below Above
Levels: Above Below

然后我们可以将其分配到您想要修改的data.frame中：

R> myDataFrame$FactorLevelMedianSplit <- 
      as.factor(c("Below","Above")[do.call(c,byOutput)])

更新：没关系，我们需要重新索引myDataFrame，以便在添加新列之前对A A ... A B ... B C ... C进行排序。留下来作为练习...

Answer 3

您不是想要这样的东西吗？

Course$grade2 <- ifelse(Course$grade >= median(Course$grade), 1, 0)

如何在R中的因子水平内进行中位数分裂？

3 个答案: