web-dev-qa-db-ja.com

C関数と四分位を使用してR関数でブレークを生成する

以前からのいくつかの素晴らしいアドバイス に従って、私は今、2番目のR関数を書いて、同様のロジックを使用しています。しかし、私はもう少し自動化を試みており、自分の利益のためにあまりにも賢くなっているかもしれません。

注文数に基づいてクライアントを五分位に分割したい。これを行うための私のコードは次のとおりです。

_# 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
_

サンプルデータで200個の観測値を作成しましたが、tableを介してリストされているのは197個だけです。残り3つはNAです

現在、五分位の「NA」を持ついくつかのclientIDがあります。それらが最低休憩、この場合は1であった場合、カット関数に含まれていなかったようです。

すべての観測を含むcutを作成する方法はありますか？

rcut
20
mikebmassey

以下を試してください：

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

include.lowest=TRUEカット関数で、機能するようです。見る ?cut 詳細については。

22
Edward

由緒あるHmiscパッケージには cut2 もあります。分位カットを行います。

ヘルプから：

カットのような機能ですが、左端点は包括的で、ラベルは[下、上）の形式です。ただし、最後の間隔は[下、上]です。カットが指定されている場合、デフォルトでは、カットにxの範囲全体が含まれるようにします。また、カットが指定されていない場合、xを分位グループ（gが指定）または指定された最小観測数（m）のグループにカットします。 cutはカテゴリオブジェクトを作成しますが、cut2は因子オブジェクトを作成します。

6
Owen

データに同様の関数を使用していますが、5分位のビンの観測数が異なるため心配しています。ありがとう！

jobs02.vq <- cut(meaneduc02v, breaks=c(quantile(meaneduc02v,  probs = seq(0,        1, by=0.20), 
                          na.rm=TRUE, names=TRUE, include.lowest=TRUE, right = TRUE, 
                          labels=c("1","2","3","4","5")))) # makes quintiles

そして、私が得る出力は次のとおりです。

 table(jobs02.vq, useNA='ifany')
 jobs02.vq
 [1.00,2.00) [2.00,2.51) [2.51,3.34) [3.34,4.45) [4.45,5.33]        <NA> 
     82          54          69          64          67         123
2
Paula

OneRパッケージ のcontent関数のbinメソッドを使用すると、これを非常に簡単に自動的に実行できます。

library(OneR)
set.seed(700)

clientID <- round(runif(200, min = 2000, max = 3000), 0)
orders <- round(runif(200, min = 1, max = 50), 0)
df <- data.frame(cbind(clientID, orders))

df$Quintiles <- bin(df$orders, method = "content")
table(df$Quintile)
## 
## (0.952,9.8]    (9.8,19]   (19,31.4] (31.4,38.2]   (38.2,49] 
##          40          41          39          40          40

（完全開示：私はこのパッケージの著者です）

2
vonjd