r - 用dplyr分类连续变量

This question already has answers here:

Categorize numeric variable with mutate

(2个答案)


4年前关闭。




我想基于连续数据创建一个具有3个任意类别的新变量。

set.seed(123)
df <- data.frame(a = rnorm(100))

使用基础我会

df$category[df$a < 0.5] <- "low"
df$category[df$a > 0.5 & df$a < 0.6] <- "middle"
df$category[df$a > 0.6] <- "high"

我猜是否有dplyr解决方案mutate()？

此外，是否有一种方法可以计算类别而不是选择类别？即让R计算类别的中断位置。

编辑

答案是在thread中，但是它不涉及标签，这使我感到困惑(并可能使其他人感到困惑)，因此我认为这个问题是有目的的。

最佳答案

要将数字转换为分类，请使用cut。在您的特定情况下，您需要:

df$category <- cut(df$a,
                   breaks=c(-Inf, 0.5, 0.6, Inf),
                   labels=c("low","middle","high"))

或者，使用dplyr:

library(dplyr)
res <- df %>% mutate(category=cut(a, breaks=c(-Inf, 0.5, 0.6, Inf), labels=c("low","middle","high")))
##               a category
##1   -0.560475647      low
##2   -0.230177489      low
##3    1.558708314     high
##4    0.070508391      low
##5    0.129287735      low
## ...
##35   0.821581082     high
##36   0.688640254     high
##37   0.553917654   middle
##38  -0.061911711      low
##39  -0.305962664      low
##40  -0.380471001      low
## ...
##96  -0.600259587      low
##97   2.187332993     high
##98   1.532610626     high
##99  -0.235700359      low
##100 -1.026420900      low

关于r - 用dplyr分类连续变量，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40380112/