Question

我的数据包含索引和季节，并希望将这些数据离散化。我创建了一些假数据用于演示：

data_frame <- data.frame(index=c(10,233.2,12,44,56,232,1.4,43,76,89,20.3,23), season=c('Fall','Winter','Fall','Summer','Winter','Spring','Spring','Summer','Winter','Spring','Summer','Fall'))
data_frame
   index season
1   10.0   Fall
2  233.2 Winter
3   12.0   Fall
4   44.0 Summer
5   56.0 Winter
6  232.0 Spring
7    1.4 Spring
8   43.0 Summer
9   76.0 Winter
10  89.0 Spring
11  20.3 Summer
12  23.0   Fall

由于在我的原始数据中，每个季节的分布是不同的，我想通过季节变量将索引分组离散化。我通过为组中的第75百分位数以及0以下的任何内容指定1来离散化数据。

我想要以下输出：

   index season  disc
1   10.0   Fall  0
2  233.2 Winter  1
3   12.0   Fall  0
4   44.0 Summer  1
5   56.0 Winter  0
6  232.0 Spring  1
7    1.4 Spring  0
8   43.0 Summer  0
9   76.0 Winter  0
10  89.0 Spring  0
11  20.3 Summer  0
12  23.0   Fall  1

我知道如何找到结果，但不是我需要的格式。我使用tapply函数来离散我的变量：

tapply(data_frame$index, data_frame$season, function(x) ifelse(x>quantile(x,0.75),1,0))
$Fall
[1] 0 0 1

$Spring
[1] 1 0 0

$Summer
[1] 1 0 0

$Winter
[1] 1 0 0

我如何生成我需要的输出？

Answer 1

您可以使用dplyr：

library(dplyr)
data_frame %>% group_by(season) %>%
               mutate(disc = +(percent_rank(index) > 0.75))

   index season disc
1   10.0   Fall    0
2  233.2 Winter    1
3   12.0   Fall    0
4   44.0 Summer    1
5   56.0 Winter    0
6  232.0 Spring    1
7    1.4 Spring    0
8   43.0 Summer    0
9   76.0 Winter    0
10  89.0 Spring    0
11  20.3 Summer    0
12  23.0   Fall    1

使用+进行修改，根据Frank

将TRUE FALSE转换为数字

将ifelse应用于分组变量

1 个答案: