前言

在數(shù)據(jù)處理的過(guò)程中，我們有時(shí)候需要將連續(xù)的數(shù)值數(shù)據(jù)轉(zhuǎn)換為類(lèi)別數(shù)據(jù)，比如將收入分成高、中和低三組，將學(xué)生成績(jī)分為優(yōu)、良、中、及格和不及格五組。

本來(lái)將基于R語(yǔ)言，采用三種方法來(lái)實(shí)現(xiàn)；第一種是對(duì)變量直接進(jìn)行重新賦值，第二種是使用within函數(shù)對(duì)語(yǔ)句進(jìn)行組織，第三種是cut函數(shù)。

首先我們定義一個(gè)數(shù)據(jù)框，這個(gè)數(shù)據(jù)框包括學(xué)生姓名和數(shù)學(xué)成績(jī)兩個(gè)變量。

#定義數(shù)據(jù)框
mathScore <- data.frame(name=c("劉文濤","王宇翔","田思雨","徐麗娜","丁文彬","李志國(guó)","王智強(qiáng)","宋麗芳","袁芳芳","張建國(guó)"), math=c(85, 91, 74, 100, 82, 84, 78, 100, 51, 70))
head(mathScore)

接下來(lái)我們以90、80、70和60為界，將學(xué)生的數(shù)學(xué)成績(jī)分為優(yōu)、良、中、及格和不及格五類(lèi)。

方法一：直接對(duì)分組變量進(jìn)行賦值

#方法一：直接對(duì)分組變量進(jìn)行賦值
attach(mathScore)
mathScore$group1[math>=90]="優(yōu)"
mathScore$group1[math>= 80 & math < 90] = "良"
mathScore$group1[math>= 70 & math < 80] = "中"
mathScore$group1[math>= 60 & math < 70] = "及格"
mathScore$group1[math < 60] = "不及格"
detach(mathScore)
head(mathScore)

這種方法較易理解，但使用attach函數(shù)可能會(huì)出現(xiàn)一些意想不到的問(wèn)題，因此我們可以采用within函數(shù)，對(duì)代碼進(jìn)行優(yōu)化，即方法二

方法二：使用within函數(shù)對(duì)變量進(jìn)行分組

#方法二：使用within函數(shù)對(duì)變量進(jìn)行分組
mathScore <- within(mathScore,{
  group2 <- NA
  group2[math>=90]="優(yōu)"
  group2[math>= 80 & math < 90] = "良"
  group2[math>= 70 & math < 80] = "中"
  group2[math>= 60 & math < 70] = "及格"
  group2[math < 60] = "不及格"
})
head(mathScore)

在方法二中，要注意within函數(shù)的寫(xiě)法，賦值語(yǔ)句要用大括號(hào)括起來(lái)，并且每條賦值語(yǔ)句占一行。此外，在第一行首先定義了 group2 <- NA這個(gè)變量。

方法三：采用cut函數(shù)

采用cut函數(shù)也是較為常用的一種方法，但要注意的是需要對(duì)間段點(diǎn)的開(kāi)閉進(jìn)行設(shè)定。

#方法三：采用cut函數(shù)
mathScore$group3 <- cut(mathScore$math, breaks = c(-Inf, 60, 70, 80, 90, Inf), labels = c("不及格","及格","中","良","優(yōu)"), right=FALSE)

在cut函數(shù)中：

• breaks表示分界點(diǎn)，Inf表示無(wú)窮大； labels表示每個(gè)類(lèi)別的名稱(chēng)；
• right=FALSE表示表示區(qū)間為左閉右開(kāi)，即分段時(shí)不包括右邊的點(diǎn)，即良為[80,
  90)；right=TRUE則表示左閉右開(kāi)區(qū)間（默認(rèn)是這種情形）

我們執(zhí)行mathScore代碼，就可以看到三種方法得到的結(jié)果是一致的。

關(guān)于cut函數(shù)參數(shù)的補(bǔ)充說(shuō)明：

cut函數(shù)有兩個(gè)和分界點(diǎn)相關(guān)的參數(shù)，一個(gè)是include.lowest，一個(gè)是right，下面對(duì)這兩個(gè)參數(shù)進(jìn)行詳細(xì)說(shuō)明。

• right參數(shù)：right=TRUE表示左閉右開(kāi)區(qū)間，right=FALSE表示左開(kāi)右閉區(qū)間
• include.lowest參數(shù)：表示包括最小值或包括最大值

下面通過(guò)例子說(shuō)明：

為了說(shuō)明問(wèn)題，我們把數(shù)據(jù)再重新定義一下，比原數(shù)據(jù)加入兩行：

#重新定義一下數(shù)據(jù)框
mathScore <- data.frame(name=c("劉文濤","王宇翔","田思雨","徐麗娜","丁文彬","李志國(guó)","王智強(qiáng)","宋麗芳","袁芳芳","張建國(guó)","張志偉","李明"), math=c(85, 91, 74, 100, 82, 84, 78, 100, 51, 70, 0, NA))
head(mathScore)

我們把之前代碼改寫(xiě)一下，把-Inf替換為0，把Inf替換為100，嘗試一下結(jié)果：

#問(wèn)題代碼示例
mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=FALSE)
mathScore

我們可以看到輸出的結(jié)果如下:

name math group
1 劉文濤 85 良
2 王宇翔 91 優(yōu)
3 田思雨 74 中
4 徐麗娜 100 < NA >
5 丁文彬 82 良
6 李志國(guó) 84 良
7 王智強(qiáng) 78 中
8 宋麗芳 100 < NA >
9 袁芳芳 51 不及格
10 張建國(guó) 70 中
11 張志偉 0 不及格
12 李明 NA < NA >

此結(jié)果有問(wèn)題，因?yàn)?00分不包括在內(nèi)，因?yàn)?right=FALSE是左閉右開(kāi)區(qū)間，這時(shí)就要改寫(xiě)代碼，加上參數(shù)include.lowest=TRUE

如下為正確代碼示例：

#正確代碼示例
mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=FALSE, include.lowest=TRUE)
mathScore

這時(shí)的結(jié)果如下，我們發(fā)現(xiàn)是結(jié)果正確的：

name math group
1 劉文濤 85 良
2 王宇翔 91 優(yōu)
3 田思雨 74 中
4 徐麗娜 100 優(yōu)
5 丁文彬 82 良
6 李志國(guó) 84 良
7 王智強(qiáng) 78 中
8 宋麗芳 100 優(yōu)
9 袁芳芳 51 不及格
10 張建國(guó) 70 中
11 張志偉 0 不及格
12 李明 NA < NA >

因?yàn)閞ight=FALSE是左閉右開(kāi)區(qū)間，加上參數(shù)include.lowest=TRUE后，意為把最大值的右端點(diǎn)包括了。

為了深入了解兩個(gè)端點(diǎn)參數(shù)的關(guān)系，我們嘗試動(dòng)下如下兩段代碼：

#對(duì)參數(shù)設(shè)置嘗試的代碼
mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=TRUE, include.lowest=FALSE)
mathScore

此代碼為左閉右開(kāi)區(qū)間，不包括最小值左側(cè)端點(diǎn)；

#對(duì)參數(shù)設(shè)置嘗試的代碼
mathScore$group <- cut(mathScore$math, breaks = c(0, 60, 70, 80, 90, 100), labels = c("不及格","及格","中","良","優(yōu)"), right=TRUE, include.lowest=TRUE)
mathScore

此代碼為左閉右開(kāi)區(qū)間，包括最小值區(qū)間左側(cè)端點(diǎn)。

因此，right和include.lowest總結(jié)如下：

其中，cut函數(shù)默認(rèn)為right = TRUE, include.lowest=FALSE;

在實(shí)際的數(shù)據(jù)分析中，一般是將參數(shù)設(shè)置為right=FALSE, include.lowest=TRUE，即含下限不含上限，包括最大值區(qū)間右側(cè)端點(diǎn)。

總結(jié)

到此這篇關(guān)于R語(yǔ)言將變量分組的3種方法的文章就介紹到這了,更多相關(guān)R語(yǔ)言變量分組內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論