R用cut（）顯示空組

Question

我有一組數據：

   Abweichung BW_Gesamt
76        236   1137747
77       2000   1149019
78       2000   1227972
79       2331   1346480
80       4000   2226810
81       5272   2874114
82       8585   4418070
83      15307   5389585

現在，我想將它們分組。 困難在於，我可以通過輸入x軸的MIN / MAX和組數來應用靈活的休息時間。 因此，它將把數據切成“ MYSCHRTW”寬的組：

bins <- 4 # Amount of groups
MYMIN <- 0
MYMAX <- 20000
MYSCHRTW <- (-MYMIN+MYMAX)%/%bins # Wide of one group 5000
GRENZEN <- seq(from = MYMIN, by = MYSCHRTW, length.out = bins)
GRENZEN <- c(GRENZEN, MYMAX+1) #Brakes: 0 5000 10000 15000 20001

我使用剪切功能：

setDT(mydata)[ , Gruppen := cut(mydata$Abweichung,breaks=GRENZEN,dig.lab = 5)]

問題是缺少一個組，因為它是空的，因此沒有顯示。 在沒有該組的情況下繪制數據會使結果產生偏差。因此，如何使用Abweichung和BW_Gesamt 0添加組（10000,15000]：

   Abweichung BW_Gesamt       Gruppen
1:        236   1137747      (0,5000]
2:       2000   1149019      (0,5000]
3:       2000   1227972      (0,5000]
4:       2331   1346480      (0,5000]
5:       4000   2226810      (0,5000]
6:       5272   2874114  (5000,10000]
7:       8585   4418070  (5000,10000]
8:      15307   5389585 (15000,20001]

Answer 1

好的，我不知道它是否有效，但是有一種方法：

library(data.table)

您處理的數據：

mydata <- data.table(Abweichung = c(236,2000,2000,2331,4000,5272,8585,15307),
                     BW_Gesamt = c(1137747,1149019,1227972,1346480,2226810,2874114,4418070,5389585))


> mydata
   Abweichung BW_Gesamt
1:        236   1137747
2:       2000   1149019
3:       2000   1227972
4:       2331   1346480
5:       4000   2226810
6:       5272   2874114
7:       8585   4418070
8:      15307   5389585

首先創建一個data.table ，其中包含來自cut()所有組：

groups_cut <- data.table(Gruppen = levels(cut(mydata[, Abweichung],breaks=GRENZEN,dig.lab = 5)))

> groups_cut
         Gruppen
1:      (0,5000]
2:  (5000,10000]
3: (10000,15000]
4: (15000,20001]

然后是第二個data.table ，其中您通過變量Gruppen計算出現的次數：

mydata <- mydata[ , Gruppen := cut(mydata[, Abweichung],breaks=GRENZEN,dig.lab = 5)][, .N, by = Gruppen]

         Gruppen N
1:      (0,5000] 5
2:  (5000,10000] 2
3: (15000,20001] 1

現在您可以合並兩個data.table ：

merge_dt<- mydata[groups_cut, on = "Gruppen"]

> merge_dt
         Gruppen  N
1:      (0,5000]  5
2:  (5000,10000]  2
3: (10000,15000] NA
4: (15000,20001]  1

如果您不想保留NA值，則可以在合並之后添加一些語法：

merge_dt <- mydata[groups_cut, on = "Gruppen"][, N := replace(N, is.na(N), 0)]

> merge_dt
         Gruppen N
1:      (0,5000] 5
2:  (5000,10000] 2
3: (10000,15000] 0
4: (15000,20001] 1

Answer 2

我想我自己找到了答案：因此，請繼續在我的第一篇文章中：

setDT(mydata)[ , Gruppen := cut(mydata$Abweichung,breaks=GRENZEN,dig.lab = 5)]
> print(mydata)
   Abweichung BW_Gesamt       Gruppen
1:        236   1137747      (0,5000]
2:       2000   1149019      (0,5000]
3:       2000   1227972      (0,5000]
4:       2331   1346480      (0,5000]
5:       4000   2226810      (0,5000]
6:       5272   2874114  (5000,10000]
7:       8585   4418070  (5000,10000]
8:      15307   5389585 (15000,20000]

> class(mydata$Abweichung)
[1] "numeric"
> class(mydata$BW_Gesamt)
[1] "numeric"

library(dplyr)

mydata <- levels(mydata$Gruppen) %>%  #get distinct levels of the Gruppen variable
  data.frame(Gruppen = .) %>%  # create a data frame
  left_join(mydata %>%    # join with
              group_by(Gruppen) %>%    # for each value that exists
              summarise(Abweichung = n(), BW_Gesamt = sum(BW_Gesamt)), by = "Gruppen") %>%      # get occurrence of Abweichung and sum of BW_Gesamt just for fun 
  mutate(Abweichung = coalesce(Abweichung, 0L)) %>%  # replace NAs with 0s
  mutate(BW_Gesamt = coalesce(as.integer(BW_Gesamt), 0L))

> class(mydata$Abweichung)
[1] "integer"
> class(mydata$BW_Gesamt)
[1] "integer"

> print(mydata)
        Gruppen Abweichung BW_Gesamt
1      (0,5000]          5   7088028
2  (5000,10000]          2   7292184
3 (10000,15000]          0         0
4 (15000,20000]          1   5389585

突變Abweichung和mutate BW_Gesamt有區別，因為我發現Abweichung將更改為整數，而BW_Gesamt仍為數字。

我不知道這種方法的效率如何，我在這里找到了： LINK感謝AntoniosK

也許有人對如何優化它有所了解。 我認為它具有更改組結果的優勢。 因此，我可以顯示BW_Gesamt的總和，同時顯示Abweichung的出現次數。