从现有变量创建新的分类变量

Question

我有一个变量“ PULocation”，它是一组从1到265的整数。每个数字代表纽约市中的唯一位置。然后，每个位置都位于“布朗克斯”，“布鲁克林”，“ ERW”，“曼哈顿”，“女王”，“史坦顿岛”或“未知”之一。在我的数据集中，我只有由整数定义的PULocation变量，并且我有单独的信息来知道每个整数代表什么。我想创建一个单独的变量来定义自治市镇而不是特定位置，问题是整数不是由自治市镇组织的，它们是分散的。香港专业教育学院包括下面的映射，以显示我要解释的内容。

我已经尝试过了 cab_sample $ PUBorough <-ifelse（cab_sample $ PULocationID ==                                  c（3,18,20,31,32,46,47,51,58,59,60,78，                                    81,94,119,126,136,147,159,167,168,169，                                    174,182,183,184,185,199,200,208,212,213，                                    220,235,240,241,242,247,248,250,254,259），                                “布朗克斯”，“什么都没有”） 但我收到此错误消息

警告信息： 在cab_sample $ PULocationID == c（3，18，20，31，32，46，47，51，58，：   较长的物体长度不是较短的物体长度的倍数

有没有办法进行这种映射？

这是每个整数的映射

Answer 1

每个label对应于breaks向量中两个连续值之间的间隔（例如，曼哈顿是102-150的间隔）。
因此，您可以使用findInterval函数来检查PULocation向量的每个整数在哪个间隔（即，在哪个区中）。然后，您可以使用findInterval返回的间隔的索引来索引标签向量：

cab_data$borough <- labels[findInterval(cab_data$PULocation, breaks)]

使用dplyr：

cab_data %>% mutate(borough = labels[findInterval(PULocation, breaks)])

使用函数参数left.open（逻辑），您可以确定是否要将每个间隔的左中断包括在间隔中。