Question

我想在我的数据框上运行一个函数，它只能找到连续变量，并根据将连续变量划分为2个相等大小的组来添加新的分类变量。我有一个代码，我用它来将一个变量分成组并将其添加为一个新的分类变量，但当我尝试在一个函数中使用它时它不起作用。可能是什么问题？另外，如何避免运行非连续变量？这是一个玩具数据框：

df <- read.table(text = "         birds    wolfs     
                                    9         7    
                                    8         4    
                                    2         8    
                                    2         3    
                                    8         3    
                                    1         2    
                                    7         1    
                                    1         5    
                                    9         7    
                                    8         7     ",header = TRUE)

我的职责是：

for (i in names(df)) function (x) { as.factor( as.numeric( cut(df$i,2)))  }

Answer 1

以下是您的功能中可能存在的一些问题

for (i in names(df)) function (x) { as.factor( as.numeric( cut(df$i,2)))  }

我会使用df[,i]对列进行子集而不是df$i，因为它未正确评估
无需匿名函数调用function(x)。
输出未存储在另一个变量中。

前两个可以轻松修复。我们创建一个空list个对象，length等于'df'（ncol(df)）的列数。这可用于存储结果（'lst'）

lst <- vector('list', ncol(df))

现在，我们遍历'df'列（假设所有列都是数字）并将cut函数应用于每个列（cut(df[,i],..）。

for(i in seq_along(df)) {
        lst[[i]] <- as.factor(as.numeric(cut(df[,i], 2)))
 }

我们可以使用'lst'

df[paste0(names(df), 'new')] <- lst

另一个选项而不是for循环将是lapply。 lapply的结果可以直接分配给新列。

df[paste0(names(df), 'new')] <- lapply(df, function(x)
                   factor(cut(x, 2, labels=FALSE)))

根据OP关于过滤numeric列（甚至不包括二进制列）以应用cut的评论。我们使用vapply创建逻辑索引。它循环遍历“df2”列并检查它是否为“数字”（is.numeric(x)），如果它包含0,1（!all(x %in% 0:1)）以外的值。

 indx <- vapply(df2, function(x) !all(x %in% 0:1) & is.numeric(x), logical(1L))

使用与上述相同的代码，包括'indx'向量

   lst <- vector('list', ncol(df2[indx]))
   for(i in seq_along(df2[indx])) {
       lst[[i]] <- as.factor(as.numeric(cut(df2[indx][,i], 2)))
    }
  df2[paste0(names(df2)[indx], 'new')] <- lst

或lapply

 df2[paste0(names(df2)[indx], 'new')] <- lapply(df2[indx],
                  function(x) factor(cut(x, 2, labels=FALSE)))

数据

set.seed(24)
df1 <- data.frame(col1=sample(0:1, 10, replace=TRUE),
           col2=rnorm(10), col3=letters[1:10])
#df - OP's dataset

df2 <- cbind(df1, df)

如何创建一个函数，将连续变量仅拆分为相同大小的组

1 个答案:

数据