Question

我的数据框包含70-80行有序响应时间（rt）数据，每个人有228个人，每个人都有一个唯一的ID＃（每个人都没有相同的行数）。我想把每个人的RT分成5个箱子。我希望第一个bin是他们最快20％的RT，第二个bin是他们下一个最快的20％RT，等等。每个bin应该有相同数量的试验（除非试用的总数是奇数）。

我目前的数据框如下所示：

我希望我的新数据框看起来像这样：

id   RT    Bin
7000  225    1
7000  250    1

在我的数据看起来像这样之后，我将通过id和bin

进行聚合

我能想到的唯一方法是将数据拆分为一个列表（使用split命令），遍历每个人，使用quantile命令获取不同bin的断点，分配bin值（1-5）到每个响应时间。这感觉非常复杂（对我来说很难）。我有点陷入困境，我非常感谢如何简化这一过程。谢谢。

Answer 1

答案@Chase将范围分成5组相等长度（端点差异）。你似乎想要的是pentiles（每组5组，数量相同）。为此，您需要cut2

中的Hmisc功能

library("plyr")
library("Hmisc")

dat <- data.frame(id = rep(1:10, each = 10), value = rnorm(100))

tmp <- ddply(dat, "id", transform, hists = as.numeric(cut2(value, g = 5)))

tmp现在有了你想要的东西

> tmp
    id       value hists
1    1  0.19016791     3
2    1  0.27795226     4
3    1  0.74350982     5
4    1  0.43459571     4
5    1 -2.72263322     1
....
95  10 -0.10111905     3
96  10 -0.28251991     2
97  10 -0.19308950     2
98  10  0.32827137     4
99  10 -0.01993215     4
100 10 -1.04100991     1

每个hists

的每个id使用相同的数字

> table(tmp$id, tmp$hists)

     1 2 3 4 5
  1  2 2 2 2 2
  2  2 2 2 2 2
  3  2 2 2 2 2
  4  2 2 2 2 2
  5  2 2 2 2 2
  6  2 2 2 2 2
  7  2 2 2 2 2
  8  2 2 2 2 2
  9  2 2 2 2 2
  10 2 2 2 2 2

Answer 2

以下是使用包plyr和cut函数的可重现示例：

dat <- data.frame(id = rep(1:10, each = 10), value = rnorm(100))

ddply(dat, "id", transform, hists = cut(value, breaks = 5))

    id       value             hists
1    1 -1.82080027     (-1.94,-1.41]
2    1  0.11035796     (-0.36,0.166]
3    1 -0.57487134    (-0.886,-0.36]
4    1 -0.99455189    (-1.41,-0.886]
....
96  10 -0.03376074    (-0.233,0.386]
97  10 -0.71879488   (-0.853,-0.233]
98  10 -0.17533570    (-0.233,0.386]
99  10 -1.07668282    (-1.47,-0.853]
100 10 -1.45170078    (-1.47,-0.853]

如果您想要返回简单的整数值而不是分档，请将labels = FALSE传递给cut。

Answer 3

以下是普通老R的答案。

#make up some data
df <- data.frame(rt = rnorm(60), id = rep(letters[1:3], rep(20)) )

#and this is all there is to it
df <- df[order(df$id, df$rt),]
df$bin <- rep( unlist( tapply( df$rt, df$id, quantile )), each = 4)

您将注意到所使用的quantile命令可以设置为使用任何分位数。默认值适用于五分位数但如果您需要十分位数则使用

quantile(x, seq(0, 1, 0.1))

在上面的函数中。

上面的答案有点脆弱。它需要相同数量的RT / id，我没有告诉你如何获得神奇的数字4.但是，它也会在大型数据集上运行得非常快。如果您想在基础R中获得更强大的解决方案。

library('Hmisc')
df <- df[order(df$id),]
df$bin <- unlist(lapply( unique(df$id), function(x) cut2(df$rt[df$id==x], g = 5) ))

这比第一个解决方案更强大，但速度并不快。对于小型数据集，您将不会注意到。

如何通过R dataframe中每个id的百分位数对有序数据进行二进制[r]

3 个答案: