将一定范围的值划分为等长的区间：cut vs cut2

Question

我正在使用cut函数将数据分成相等的bin，它可以完成工作，但是我对返回值的方式不满意。 我需要的是垃圾箱的中心，而不是上下两端。
我也尝试过使用cut2{Hmisc} ，这给了我每个bin的中心，但是它将数据范围划分为bin中包含相同数量的观察值，而不是相同长度的数据。

有人对此有解决方案吗？

Answer 1

像这样，让自己休息一下并贴上标签并不难。 在这里，由于中点是单个数字，因此我实际上没有返回带有标签的因数，而是返回了一个数字向量。

cut2 <- function(x, breaks) {
  r <- range(x)
  b <- seq(r[1], r[2], length=2*breaks+1)
  brk <- b[0:breaks*2+1]
  mid <- b[1:breaks*2]
  brk[1] <- brk[1]-0.01
  k <- cut(x, breaks=brk, labels=FALSE)
  mid[k]
}

可能有一种更好的方法来获取垃圾箱中断和中点； 我没有很难考虑。

注意，这个答案与约书亚的答案不同。 他给出了每个分类中数据的中位数，而给出了每个分类中的数据中心。

> head(cut2(x,3))
[1] 16.666667  3.333333 16.666667  3.333333 16.666667 16.666667
> head(ave(x, cut(x,3), FUN=median))
[1] 18  2 18  2 18 18

Answer 2

像这样使用ave ：

set.seed(21)
x <- sample(0:20, 100, replace=TRUE)
xCenter <- ave(x, cut(x,3), FUN=median)

Answer 3

我们可以使用smart_cut从包cutr ：

devtools::install_github("moodymudskipper/cutr")
library(cutr)

使用@Joshua的样本数据：

中位数按间隔（与@Joshua相同，但有序因数）：

smart_cut(x,3, "n_intervals", labels= ~ median(.))
# [1] 18 2  18 2  18 18 ...
# Levels: 2 < 11 < 18

每个间隔的中心（与@Aaron相同，但它是有序因子）：

smart_cut(x,3, "n_intervals", labels= ~ mean(.y))
# [1] 16.67 3.333 16.67 3.333 16.67 16.67 ...
# Levels: 3.333 < 10 < 16.67

间隔的平均值：

smart_cut(x,3, "n_intervals", labels= ~ mean(.))
# [1] 17.48 2.571 17.48 2.571 17.48 17.48 ...
# Levels: 2.571 < 11.06 < 17.48

labels可以是一个字符向量，就像base::cut.default ，但也可以是2个参数的函数，第一个是bin中包含的值，第二个是垃圾箱。

有关cutr和smart_cut的更多信息