Question

修改：修改模拟数据，以便价格意味着/中位数和邻居不会完美重叠。

我在数据框中有一个专栏，我们称之为Price。我只是在这里模拟数据：

和一组社区，我们称之为Hoods：

mydata = data.frame(index = rep(1:1000))
mydata$price[1:300]    = rnorm(250, mean = 10000, sd = 1000)
mydata$price[301:550]  = rnorm(250, mean = 25000, sd = 1000)
mydata$price[551:775]  = rnorm(250, mean = 75000, sd = 1000)
mydata$price[776:1000] = rnorm(250, mean = 100000, sd = 1000)

然后我按中位数价格汇总邻域，以创建一个中间值。我想以中位数价格区分邻里。

mydata$hoods = factor(c(rep('hood1',250),rep('hood2',250),rep('hood3',250),rep('hood4',250)))

然后我创建了邻居中位数的剪切版本（在我的实际数据中有24个邻域）。如下所示：

agg <- aggregate(mydata$price, by = list(hoods), FUN = median))

然后我想要替换每个＆＃39; hood1＆＃39;在具有聚合价格标签的原始数据中，依此类推所有社区。例如，前250个记录将是“低”。我知道我可以制作一些嵌套的if语句，或者强力硬编码。有没有人知道我可以一次性更有效地分配所有值的方法，因为我可以将它用于大于1000条记录的数据集。非常感谢您提供的任何帮助。

在最终输出中，分类的邻居（＆＃39;低＆＃39;，＆＃39;媒体＆＃39;＆＃39;高＆＃39;）不一定与刚刚相同根据原始数据对价格进行cut_aggregates <- cut(agg$x, breaks = c(0, 25000, 70000, 110000), labels = c('low','medium','high'))，因为某些街区会有“低”，“中等”和“高”的组合。使用这种策略。我想首先根据其聚合对每个邻域进行分类，然后重新编码邻域。

Answer 1

修改：方法1

mydata <- within(mydata, med <- ave(price, hoods, FUN = median) )
mydata$new_label <- cut(mydata$med, breaks = c(0, 25000, 70000, 110000), labels = c('low','medium','high'))

#   index     price hoods      med new_label
# 1     1 10084.756 hood1 10014.38       low
# 2     2 10226.460 hood1 10014.38       low
# 3     3 10432.556 hood1 10014.38       low
# 4     4 10558.065 hood1 10014.38       low
# 5     5 10059.755 hood1 10014.38       low
# 6     6  9885.359 hood1 10014.38       low

<强> Approach2：

由于agg$labs对hoods中mydata的每个级别都不是唯一的，因此最好通过将hoods的级别映射为一个循环来单独重新分配标签agg$labs。

的值

如果agg$labs中的hoods中mydata的每个级别都有mydata$hoods <- factor( mydata$hoods, levels = agg$Group.1, labels = agg$labs )中的唯一标签，则只需通过agg$labs重新分配标签即可。但是，您在mydata$hoods <- as.character( mydata$hoods ) # convert factor to character agg$labs <- as.character(agg$labs) # convert factor to character for( i in seq_len( nrow( agg ) ) ) { # change labels for hoods in mydata mydata[ mydata$hoods %in% agg$Group.1[ i ], "hoods" ] <- agg$labs[i] } mydata$hoods <- factor( mydata$hoods ) # convert hoods back to factor unique(mydata$hoods) # output # [1] low medium high # Levels: high low medium中有重复级别，因此您将按照以下步骤操作。

set.seed( 200 )
mydata = data.frame(index = rep(1:1000))
mydata$price[1:250]    = rnorm(250, mean = 10000, sd = 1000)
mydata$price[251:500]  = rnorm(250, mean = 25000, sd = 1000)
mydata$price[501:750]  = rnorm(250, mean = 75000, sd = 1000)
mydata$price[751:1000] = rnorm(250, mean = 100000, sd = 1000)
mydata$hoods = factor(c(rep('hood1',250),rep('hood2',250),rep('hood3',250),rep('hood4',250)))
agg <- with(mydata, aggregate( price, by = list(hoods), FUN = median) )
agg$labs <- cut(agg$x, breaks = c(0, 25000, 70000, 110000), labels = c('low','medium','high'))

agg
#   Group.1         x   labs
# 1   hood1  10014.38    low
# 2   hood2  25021.96 medium
# 3   hood3  74963.40   high
# 4   hood4 100019.88   high

数据：

agg

如果您在set.seed()函数中选择其他种子，LINQ中的数据会有所不同。

Answer 2

执行此操作的一种非常简单的方法，可能是最快的方法是使用data.table。

library(data.table)

# convert mydata into a data.table
  setDT(mydata)

# calculate median price by hood 
  mydata[, med := median(price), by=hoods]

现在你可以：

# replace the original data of `hoods` with the new price labels
  mydata[, hoods := cut(med, breaks = c(0, 25000, 70000, 110000), labels = c('low','medium','high'))]

# or create new price labels in a new column
  mydata[, new_col := cut(med, breaks = c(0, 25000, 70000, 110000), labels = c('low','medium','high'))]

最后，如果您只需要每个引擎盖的摘要表：

  mydata[, (med = median(price)), by=.(hoods, new_col)]

 >    hoods my_cut        V1
 > 1: hood1    low  9916.564
 > 2: hood2    low 24696.864
 > 3: hood3   high 74749.481
 > 4: hood4   high 99852.744

将数据框列中的值替换为聚合/剪切的结果

2 个答案: