Question

希望我的问题不清楚。我将详细介绍。在我的维度为（12782,60）的csss数据集中，变量之一是“ csa”（我有兴趣处理）包含610个级别（类别/因子）。其中一些级别包含1-10个观察（行），而某些级别包含800-900个观察。

水平样本（为全数字（“ SFRROC916”，“ SANGEO512”，“ SFRPAL650”，“ HARSPR413”））。

我的问题是，根据每个级别包含的观察（行）数，将级别（因子）从610降低到5。

如果观察次数（行数）：1-25（观察）=“ A”级，26-60 =“ B”级，61-99 =“ C”级，100-152 = “ D”级，> 152-“ E”级。

我的代码是

csss$csa<-as.character(csss$csa)
for(i in csss$csa)
{
a1<-nrow(csss[csss$csa==i,])
csss$csa<-ifelse(a1<=25, "A",
                ifelse((a1>=26 & a1<=60), "B",
                       ifelse((a1>=61 & a1<=99), "C",
                             ifelse((a1>=100 & a1<=152), "D", "E"))))
}

我最终只能获得上述代码的一个层次。帮我解决。谢谢。

Answer 1

表达式x <- nrow(...)返回标量（子数据帧的行数）。然后ifelse(x > 200, 'A', 'B')也将返回一个标量，因此csa列中的所有条目都将替换为该数字。我猜想您要执行以下操作：替换csa，以便根据每个原件的观察次数，代替610个可能的值而仅包含两个A或B值（当观察值超过200时为“ A”）。那正确吗？

尝试

library(dplyr) 
new.csss <- csss %>% 
    group_by(csa) %>%
    mutate(new.csa = if_else(n() > 200, 'A', 'B'))

列new.csa将是'A'或'B'，具体取决于具有相应值csa的行数。

Answer 2

我们可以在base R中使用

n1 <- sum(csss$csa %in% z)
csss$new.csa <- c("A", "B")[(n1 <=200) + 1]

如果条件基于'csa'上的levels

n1 <- sum(levels(csss$csa) %in% z)

如果这是基于每个组的观察数，则base R选项为

nm1 <- names(which(table(csss$csa) > 200))
df1$new.csa <- c("B", "A")[(csss$csa %in% nm1) + 1]

更新

基于OP帖子中的更新，可以使用cut或findInterval

完成

tbl <- table(csss$csa)
nm1 <- as.character(cut(tbl, breaks = c(-Inf, 25, 60, 99, 152, Inf), 
           labels = LETTERS[1:5]))
csss$new.csa <- setNames(nm1, names(tbl))[csss$csa]

数据

set.seed(24)
csss <- data.frame(csa = sample(c("SFRROC916","SANGEO512","SFRPAL650","HARSPR413", 
   "HARSPR412", 
       "SFROC197", "SANGEO514", "SGFG0984", "SAND942"), 
 1000, replace = TRUE, prob = c(0.02, 0.1, 0.1, 0.1, 0.2, 0.2, 0.2, 
     0.4, 0.4)), col2 = rnorm(1000), stringsAsFactors = FALSE)

如何在r

2 个答案:

更新

数据