Question

基于previous question我问过哪个@Andrie回答，我对cut函数和标签的用法有疑问。

我想根据用户登录的次数获取摘要统计信息。

这是我的数据：

  # Get random numbers
  NumLogin <- round(runif(100,1,50))

  # Set the login range     
  LoginRange <- cut(NumLogin, 
       c(0,1,3,5,10,15,20,Inf), 
       labels=c('1','2','3-5','6-10','11-15','16-20','20+')
       )

现在我有了我的LoginRange，但我不确定cut函数实际上是如何工作的。我想找到已登录1次，2次，3-5次等的用户，同时仅包括用户，如果他们在该范围内。 cut功能是否包括3次（在2个桶和3-5个桶中）？如果我查看我的示例，我可以看到登录3次的用户，但他们cut为“2”。我查看了文档和我拥有的每本R本书，但没有运气。我究竟做错了什么？

另外 - 作为使用问题 - 我应该将LoginRange附加到我的数据框吗？如果是这样，最好的方法是什么？

DF <- data.frame(NumLogin, LoginRange)

由于

Answer 1

cut()函数定义的区间（默认情况下）在右侧关闭。要了解这意味着什么，请尝试以下方法：

cut(1:2, breaks=c(0,1,2))
# [1] (0,1] (1,2]

如您所见，整数1包含在(0,1]范围内，而不在(1,2]范围内。它不会被重复计算，并且对于任何超出您定义的bin的输入值，cut()将返回值NA。

在处理整数值数据时，我倾向于在整数之间设置断点，以避免绊倒自己。实际上，使用您的数据执行此操作（如下所示），可以发现第二个和第三个二进制文件实际上名称不正确，这很好地说明了这一点！

LoginRange <- cut(NumLogin, c(0.5, 1.5, 3.5, 5.5, 10.5, 15.5, 20.5, Inf), # c(0,1,3,5,10,15,20,Inf) + 0.5, labels=c('1','2-3','4-5','6-10','11-15','16-20','20+') )

在R中切割功能 - 独占或我是否重复计算？

1 个答案: