切割几个变量，为每个变量使用几个不同数量的 bin答案

【问题标题】：cut several variables, using several different number of bins for each variable切割几个变量，为每个变量使用几个不同数量的 bin
【发布时间】：2015-05-01 08:37:55
【问题描述】：

我有一个如下所示的数据集：

ID  a   b
ID1 0.1 20.3
ID2 0.2 21.6
ID3 1.2 1.5
etc.

我想将这些值分成大小相等的组。这可以通过以下方式完成：

data$bin1 <- as.numeric(cut2(data$b,g=50))

这会将 b 列中的值分成 50 个大小相等的组：

ID  a   b    bin
ID1 0.1 20.3 2
ID2 0.2 21.6 2
ID3 1.2 1.5  1
etc.

但是，我需要针对不同数量的组多次执行此操作。我试过了：

for (i in 1:5){
data$bin[i] <- as.numeric(cut2(data$values,g=i*50))
}

但随后我收到此警告：“要替换的项目数不是替换长度的倍数”。

对值进行分组后，我想计算每个组内的均值，可以这样做：

means <- ddply(data,.(bin),summarise,mean.a=mean(a),mean.b=mean(b))

我想对所有的垃圾箱尺寸都这样做。我需要使用另一个for循环吗？还是可以在第一个循环中实现？

【问题讨论】：

data$bin[i] 需要一个值

标签： r for-loop plyr mean bins

【解决方案1】：

for (i in 1:5){
    data[paste('bin', i, sep = '')] <- as.numeric(cut2(data$values,g=i*50))
}

将使用 paste 将列 bin1 添加到 bin5 到您的数据框中。

【讨论】：

【解决方案2】：

您可以使用lapply 循环遍历数据框中的列，使用sapply 循环遍历值将成为cut（“n_int”）的区间数。结果列表是melted 长格式。

均值使用aggregate 计算，按“L1”（对应于原始数据中的列）、“cut_set”（割集，2 或 4 个区间）和“interval”（区间数）分组)。

# some toy data
d1 <- data.frame(a = 1:10,
                 b = seq(100, 1000, len = 10))
d1

# a vector of number of intervals
n_int <- 2 * 1:2

library(reshape2)
d2 <- melt(lapply(d1, function(x){
  data.frame(x, sapply(n_int, function(i){
    as.integer(cut(x, i))
  })
  )
  }),
  id.vars = "x", variable.name = "cut_set", value.name = "interval")

d3 <- aggregate(x ~ L1 + cut_set + interval, data = d2, mean)
d3[order(d3$L1, d3$cut_set, d3$interval), ]
#    L1 cut_set interval     x
# 1   a      X1        1   3.0
# 5   a      X1        2   8.0
# 3   a      X2        1   2.0
# 7   a      X2        2   4.5
# 9   a      X2        3   6.5
# 11  a      X2        4   9.0
# 2   b      X1        1 300.0
# 6   b      X1        2 800.0
# 4   b      X2        1 200.0
# 8   b      X2        2 450.0
# 10  b      X2        3 650.0
# 12  b      X2        4 900.0

使用dplyr的另一种方式：

library(dplyr)
d1 %>%
  melt(id.vars = NULL) %>%
  group_by(variable) %>%
  do(data.frame(., sapply(n_int, function(i) as.integer(cut(.$value, i))))) %>%
  melt(id.vars = c("variable", "value"), variable.name = "cut_set", value.name = "interval") %>%
  group_by(variable, cut_set, interval) %>%
  summarise(mean = mean(value))

【讨论】：