Question

我正在研究R中一个相当大的数据集，它包含一个连续的数字变量。在另一个数据集中，我命名了由最小值和最大值描述的区间，我想将其应用于我的大型数据集中的连续变量。

下面是一些示例代码：

df<-data.frame(x=c(1:6))    
groups<-data.frame(cat=c("a","b","c","d"), min=c(1,2,4,6), max=c(2,4,5,8))

我想创建一个新列df$cat，以便df$x的值在groups数据框中找到的最小 - 最大boudaries中。理想情况下，我希望groups$min >= df$x > groups$max。

> df
  x cat
1 1   a
2 2   b
3 3   b
4 4   c
5 5   d
6 6   d

有没有简单的方法可以做到这一点？

Answer 1

设置数据：

df <- data.frame(x=c(1:6))    
groups <- data.frame(cat=c("a","b","c","d"), min=c(1,2,4,6), max=c(2,4,5,8))

将cut()与指定的labels参数一起使用：

brks <- c(groups$min,tail(groups$max,1))
df$cat <- cut(df$x,breaks=brks,labels=groups$cat,right=FALSE)

Answer 2

df<-data.frame(x=c(1:6))
groups<-data.frame(cat=c("a","b","c","d"), min=c(1,2,4,6), max=c(2,4,5,8))

for(i in 1:nrow(groups)){

  numbers_in_range = df$x[df$x >= groups[i,]$min & df$x <= groups[i,]$max]
  df[,i+1] = df$x %in% numbers_in_range
  colnames(df)[2:ncol(df)] = as.character(groups$cat)

}

这样的事情会告诉你哪些数字在哪个组范围内。这就是你追求的目标吗？

R：如何将变量拆分为命名区间？

2 个答案: