Question

我是R的相对新手，我在5年期间有一系列人口普查区的社会经济分数（SES），我试图将每年的SES分数分为三类“高”， “中”和“低”，无需对数据进行子集化。

     CT_ID_10 year SESindex SESindex_z SEStercile
1 42101009400 2012 11269.54 -1.0445502         NA
2 42101009400 2013 11633.63 -1.0256920         NA
3 42101009400 2014 15773.60 -0.8112616         NA
4 42101009400 2015 15177.28 -0.8421481         NA
5 42101009400 2016 21402.55 -0.5197089         NA
6 42101014000 2012 21448.06 -0.5173519         NA

我想使用平均值和标准偏差作为我的截止点（即高于平均值（x [每年]）+ sd（x [每年]）的任何东西都是“高”，而低于平均值的任何东西（x [每年]） - sd（x [每年]）是“低”。我尝试了以下代码：

for (year in 2012:2016) {
  df$SEStercile <- ifelse(df$SESindex_z[which(df$year==year)] > (mean(df$SESindex_z[which(df$year==year)])+sd(df$SESindex_z[which(df$year==year)])), "HIGH",
  ifelse(df$SESindex_z[which(df$year==year)] < (mean(df$SESindex_z[which(df$year==year)])-sd(df$SESindex_z[which(df$year==year)])), "LOW","MEDIUM"))
}

但是，我收到以下错误：

Error in `$<-.data.frame`(`*tmp*`, "SEStercile", value = c("LOW", "LOW", :  
replacement has 367 rows, data has 1839

非常感谢任何建议或简单的功能！

Answer 1

此解决方案使用dplyr。在这里，我使用随机数据创建一个数据框用于演示目的：

df <- data.frame(year = sample(2010:2018, 100, replace = TRUE),
                 z = runif(100))

接下来，我按年份分组并使用标准偏差作为休息时间。然后，我取消了由此产生的结果。

df %>% 
  group_by(year) %>% 
  mutate(category = cut(z, 
                        breaks = c(-Inf, mean(z) - sd(z), mean(z) + sd(z), Inf),
                        labels = c("Low", "Medium", "High"))) %>% 
  ungroup

结果看起来像这样（例如2010年）：

# # A tibble: 11 x 3
#      year     z category
#     <int> <dbl> <fct>   
# 1   2010 0.585 Medium  
# 2   2010 0.951 High    
# 3   2010 0.747 Medium  
# 4   2010 0.802 Medium  
# 5   2010 0.673 Medium  
# 6   2010 0.662 Medium  
# 7   2010 0.102 Low     
# 8   2010 0.129 Low     
# 9   2010 0.934 High    
# 10  2010 0.270 Medium  
# 11  2010 0.270 Medium

您的代码可能具体如下：

df %>% 
  group_by(year) %>% 
  mutate(SEStercile = cut(SESindex_z,
                          breaks = c(-Inf, mean(SESindex_z) - sd(SESindex_z), mean(SESindex_z) + sd(SESindex_z), Inf),
                          labels = c("Low", "Medium", "High"))) %>% 
  ungroup

r - 按现有群组对连续数据进行分类

1 个答案: