r - 使用CUT和四分位数在R函数中产生中断

在some great advice from before之后，我现在正在编写第二个R函数并使用类似的逻辑。但是，我正在尝试实现更多自动化，可能对我自己来说太聪明了。

我想根据订单数量将客户分成五等分。这是我这样做的代码:

# sample data
clientID <- round(runif(200,min=2000, max=3000),0)
orders <- round(runif(200,min=1, max=50),0)

df <- df <- data.frame(cbind(clientID,orders))

#function to break them into quintiles
ApplyQuintiles <- function(x) {
  cut(x, breaks=c(quantile(df$orders, probs = seq(0, 1, by = 0.20))),
      labels=c("0-20","20-40","40-60","60-80","80-100"))
}

#Add the quintile to the dataframe
df$Quintile <- sapply(df$orders, ApplyQuintiles)

table(df$Quintile)

0-20   20-40   40-60    60-80   80-100
40     39      44       38      36

您会在这里看到，在我的样本数据中，我创建了200个观测值，但是table仅列出了197个观测值。剩下的3个是NA
现在，有些clientID的五分位数为“NA”。看来如果它们处于最低中断位置(在这种情况下为1)，则它们不包含在cut函数中。

有没有办法让cut包含所有观察结果？

最佳答案

请尝试以下操作:

set.seed(700)

clientID <- round(runif(200,min=2000, max=3000),0)
orders <- round(runif(200,min=1, max=50),0)

df <- df <- data.frame(cbind(clientID,orders))

ApplyQuintiles <- function(x) {
  cut(x, breaks=c(quantile(df$orders, probs = seq(0, 1, by = 0.20))),
      labels=c("0-20","20-40","40-60","60-80","80-100"), include.lowest=TRUE)
}
df$Quintile <- sapply(df$orders, ApplyQuintiles)
table(df$Quintile)

0-20  20-40  40-60  60-80 80-100
  40     41     39     40     40

我在您的cut函数中包含了include.lowest=TRUE，这似乎使其工作了。有关更多详细信息，请参见?cut。

关于r - 使用CUT和四分位数在R函数中产生中断，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/11728419/