[英]Obtaining nice cuts in Hmisc with cut2 (without the [ ) signs )
我正在嘗試使用Hmisc
包整齊地剪切數據,如下例所示:
dummy <- data.frame(important_variable=seq(1:1000))
require(Hmisc)
dummy$cuts <- cut2(dummy$important_variable, g = 4)
生成的切割對於值是正確的:
important_variable cuts
1 1 [ 1, 251)
2 2 [ 1, 251)
3 3 [ 1, 251)
4 4 [ 1, 251)
5 5 [ 1, 251)
6 6 [ 1, 251)
> table(dummy$cuts)
[ 1, 251) [251, 501) [501, 751) [751,1000]
250 250 250 250
但是,我希望數據的呈現方式略有不同。 例如,而不是
[ 1,251 ]
[ 251,501 ]
我更喜歡這種符號
1 - 250
251 - 500
由於我在多個變量上做了很多,我對可重現的解決方案很感興趣,這個解決方案很容易應用於多個變量。
根據評論中的討論,解決方案必須處理更混亂的變量,如x2 <- runif(100, 5.0, 7.5)
。
我們可以使用gsubfn
刪除括號,也可以通過從第二組數字中減去一個來更改數字部分
library(gsubfn)
v1 <- dummy$cuts
v1New <- gsubfn('\\[\\s*(\\d+),\\s*(\\d+)[^0-9]+', ~paste0(x, '-',
as.numeric(y)-1), as.character(v1))
table(v1New)
# 1-250 251-500 501-750 751-999
# 250 250 250 250
對於涉及小數的第二種情況,我們需要將數字與小數相匹配,並通過將它們放在括號中來捕獲這些組( ([0-9.]+)
, (\\\\d+\\\\.\\\\d+)
)。 我們通過轉換為'numeric'並從中減去0.01來更改第二組捕獲組( as.numeric(y)-0.01
)。 \\\\s*
表示0或更多空格。 格式中的空格不均勻,因此我們必須使用它而不是\\\\s+
,即1個或更多個空格。
v2New <- gsubfn('\\[\\s*([0-9.]+),(\\d+\\.\\d+).*', ~paste0(x,
'-',as.numeric(y)-0.01), as.character(v2))
table(v2New)
v2New
#5.00-5.59 5.60-6.12 6.13-6.71 6.72-7.49
# 25 25 25 25
set.seed(24)
x2 <- runif(100, 5.0, 7.5)
v2 <- cut2(x2, g=4)
這為整數和小數范圍提供了通用解決方案(無需手動指定增量):
library(stringr)
pretty_cuts <- function(cut_str) {
# so we know when to not do something
first_val <- as.numeric(str_extract_all(cut_str[1], "[[:digit:]\\.]+")[[1]][1])
last_val <- as.numeric(str_extract_all(cut_str[length(cut_str)], "[[:digit:]\\.]+")[[1]][2])
sapply(seq_along(cut_str), function(i) {
# get cut range
x <- str_extract_all(cut_str[i], "[[:digit:]\\.]+")[[1]]
# see if a double vs an int & get # of places if decimal so
# we know how much to inc/dec
inc_dec <- 1
if (str_detect(x[1], "\\.")) {
x <- as.numeric(x)
inc_dec <- 10^(-match(TRUE, round(x[1], 1:20) == x[1]))
} else {
x <- as.numeric(x)
}
# if not the edge cases inc & dec
if (x[1] != first_val) { x[1] <- x[1] + inc_dec }
if (x[2] != last_val) { x[2] <- x[2] - inc_dec }
sprintf("%s - %s", as.character(x[1]), as.character(x[2]))
})
}
dummy <- data.frame(important_variable=seq(1:1000))
dummy$cuts <- cut2(dummy$important_variable, g = 4)
a <- pretty_cuts(dummy$cuts)
unique(dummy$cuts)
## [1] [ 1, 251) [251, 501) [501, 751) [751,1000]
## Levels: [ 1, 251) [251, 501) [501, 751) [751,1000]
unique(a)
## [1] "1 - 250" "252 - 500" "502 - 750" "752 - 1000"
x2 <- runif(100, 5.0, 7.5)
b <- pretty_cuts(cut2(x2, g=4))
unique(cut2(x2, g=4))
## [1] [5.54,6.28) [6.28,6.97) [6.97,7.50] [5.02,5.54)
## Levels: [5.02,5.54) [5.54,6.28) [6.28,6.97) [6.97,7.50]
unique(b)
## [1] "5.54 - 6.27" "6.29 - 6.97" "6.98 - 7.49" "5.03 - 5.53"
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.