cut 函数在 dplyr 中不起作用，但在外部起作用

Question

我的cut 函数在dplyr 之外工作得很好，但是当我将相同的cut 函数插入mutate 时，它会抛出这个错误：

错误：无效的下标类型'double'

示例代码：

df <- structure(list(fyear = c(1970, 1970, 1970, 1970, 1970, 1970, 
1970, 1970, 1970, 1970, 1970, 1970, 1970, 1970, 1970, 1970, 1970, 
1970, 1970, 1970), BEME = c(0.39713747645951, 0.548988782444936, 
0.537154930871343, 1.89357008340059, 1.66945262543448, 0.969181836638018, 
1.09989952916609, 0.858308443214104, 0.292175536881419, 0.684685677549708, 
0.338422675433708, 3.02671555788371, 0.422643864469658, 0.805317430736738, 
0.529954031556715, 0.617716486520065, 0.911576593365635, 0.4131850675139, 
1.16211278792693, 2.13177678851802), exchg = c(11L, 11L, 11L, 
11L, 11L, 11L, 11L, 11L, 12L, 12L, 12L, 11L, 11L, 12L, 11L, 12L, 
19L, 11L, 11L, 11L)), .Names = c("fyear", "BEME", "exchg"), class = c("tbl_df", 
"data.frame"), row.names = c(NA, -20L))

cut函数

cut(df$BEME, breaks = quantile(df[df$exchg == 11, 2]$BEME, c(0,0.3,0.7,1)), labels = FALSE)

[1] NA  2  2  3  3  2  2  2 NA  2 NA  3  1  2  1  2  2  1  2  3

dplyr

newdat <- df %>% 
  group_by(fyear) %>% 
  mutate(LMH = cut(BEME, breaks = quantile(df[df$exchg == 11, 2]$BEME, c(0,0.3,0.7,1)), labels = FALSE))

Answer 1

试试这个

newdat <- df %>% 
  group_by(fyear) %>% 
  mutate(LMH = cut(BEME, breaks = quantile(BEME[exchg == 11], c(0,0.3,0.7,1)), labels = FALSE))

更新

dplyr 文档可能比我更好地解释了这一点，但这里是我的 cmets。

由于 "BEME" 和 "exch" 是 "df" 的一部分，它们在调用 "mutate" 时可用，因此无需引用原始 data.frame（如在 "df$BEME" 中，等等。）。由于调用了“group_by”，首先在链中，“mutate”将按组处理数据（dplyr 知道如何将“BEME”和“exch”分成组，并且将为每个组调用 cut）。我知道这个例子中只有一个组，但是如果有多个组，那么“df$BEME”和“df$exch”（如原始代码中所用）将始终引用所有组中的数据，即使按组处理数据子集时。

例如，如果你有如下的“df”，有两个组（1970 和 2000）

> df
   fyear      BEME exchg
   (dbl)     (dbl) (int)
1   1970 0.3971375    11
2   1970 0.5489888    11
3   1970 0.5371549    11
4   2000 1.8935701    11
5   2000 1.6694526    11

"df$BEME" 始终引用该列中的所有数据，跨组。

> df$BEME
[1] 0.3971375 0.5489888 0.5371549 1.8935701 1.6694526

所以在

> df %>%
  group_by(fyear) %>%
  mutate(LMH = cut(BEME, breaks = quantile(BEME[exchg == 11], c(0,0.3,0.7,1)), labels = FALSE))

将通过分别处理 1970 和 2000 组来创建新列“LMH”。使用“df$BEME”（或“df$exchg”）总是指所有组中的所有数据（即 df$BEME 有 5 行）。

至于为什么原始代码在只有一组的情况下不起作用，我不知道，我会听从其他更了解 dplyr 内部工作原理的人。