在R中，有没有一种方法可以根据条件将一个分类变量分为三个？

Question

我正在尝试针对某些零售商品的性能创建随机森林机器学习算法。我正在为此使用R Studio。在我的数据集中，我混合使用了数字变量和分类变量。我的问题是我的分类变量“ Supplier”中有53个以上的因素（准确地说是166个），所以我使用的randomForest包不允许我使用。数据集如下所示：

月度供应商商品名称单位已售出TY单位已售出价格类别编号商店

我相信“ Supplier”变量对模型将非常重要。为了使53个因素的分类变量不受限制，我想将“ Supplier”列分为三列。但是，我希望第一列在整个数据集中按“ UnitsSold”包含前33％的供应商。第二列将是“ UnitsSold”的中间供应商的33％，第三列是“ UnitsSold”的底部33％的供应商。因此，对于三列，成品看起来像这样：

TopSupplier MidSupplier LowSupplier Month Year ItemName ...
SupplierA其他Other
其他供应商B其他
其他其他供应商C

有关如何实现此目标的任何提示或建议？

我已经尝试过ifelse语句，但似乎无法弄清楚如何在整个数据集中对供应商进行排名，然后将其作为影响供应商进入哪一列的因素。

我希望最终结果能够模仿上面包含的第二张表。 “供应商”变量将分为三列。第一列将仅包含构成整个数据集中“ UnitsSold”的前33％的供应商。第二列为中间33％，第三列为底部33％。

Answer 1

为什么要添加三个新列？为什么不创建一个包含三个值的列（1个用于顶级供应商，2个用于中级供应商，3个用于低级供应商）？您是否考虑过频率编码或目标编码？