按因子二分数据答案

【问题标题】：Dichotomize data by factor按因子二分数据
【发布时间】：2013-05-14 17:03:30
【问题描述】：

我需要根据两个因素创建一个二分法变量（希望这是可能的）。

假设我有数据：

    d <- data.frame ( 
    agegroup = c(2,1,1,2,3,2,1,3,3,3,3,3,1,1,2,3,2,1,1,2,1,2,2,3) ,
    gender = c(2,2,2,2,2,2,1,2,1,1,1,2,1,1,2,2,1,1,1,1,2,1,1,1) , 
    hourwalking = c(0.3,0.5,1.1,1.1,1.1,1.2,1.2,1.2,1.3,1.5,1.7,1.8,2.1,2.1,2.2,2.2,2.3,2.4,2.4,3,3.1,3.1,4.3,5)        
    )

我想使用特定于性别和年龄组的中位数（例如，当年龄组 = 1 和性别 = 1 时，中位数 = 2.1（使用 excel 找到中位数））创建一个二进制 (LowWalkHrs)。 LowWalkHrs 将是数据集中添加的变量，因此输出将是：

     agegroup gender hourwalk LowWalkHrs
        2       2       0.3       1
        1       2       0.5       1
        1       2       1.1       0
        2       2       1.1       1
        3       2       1.1       1
        2       2       1.2       0
        1       1       1.2       1
          ....
        3       1       5         0

我有一个相当大的数据集（大约 10k 观察），所以 Excel 是不可能的。

在 R 中，我尝试过 cut 和 cut2，它似乎不采用因子变量，还有 ddply，它给了我一个错误消息 ($<-.data.frame(*tmp*, "lowWalkHrs", value = list(hourwalking = c(0.63, : 替换有 949 行，数据有 11303)。

【问题讨论】：

标签： r median r-factor categorization

【解决方案1】：

我怀疑这可能会很慢，但我认为它有效：

z <- mapply(d$agegroup, d$gender, d$hourwalking, FUN=function(a,g,h)
    as.numeric(h < median(d$hourwalking[d$agegroup==a & d$gender==g])) )

【讨论】：

它确实有效，我还没有在更大的数据集上尝试过，但我会的。谢谢！
好的，尝试使用更大的数据集，我收到错误消息：mapply 中的错误（d$agegroup，d$gender，d$hourwalking，：零长度输入不能与那些混合非零长度。我的较大数据集中确实缺少数据，这是导致错误的原因吗？
是的，[...] 中的内容不能很好地处理缺失值。
修复了第一个问题....错误消息现在是：在 is.na(x) 中：is.na() 应用于“NULL”类型的非（列表或向量）。
只需要一个“na.rm=TRUE”

【解决方案2】：

d <- data.frame ( 
    agegroup = c(2,1,1,2,3,2,1,3,3,3,3,3,1,1,2,3,2,1,1,2,1,2,2,3) ,
    gender = c(2,2,2,2,2,2,1,2,1,1,1,2,1,1,2,2,1,1,1,1,2,1,1,1) , 
    hourwalking = c(0.3,0.5,1.1,1.1,1.1,1.2,1.2,1.2,1.3,1.5,1.7,1.8,2.1,2.1,2.2,2.2,2.3,2.4,2.4,3,3.1,3.1,4.3,5)        
   )

d$LowWalkHrs=1*with(d,hourwalking<ave(hourwalking,list(factor(agegroup,exclude=NULL),factor(gender,exclude=NULL)),FUN=median))

为将 NA 视为单独的组而添加了因子(...,exclude=NULL)。

【讨论】：