在 R 中，如何使用各種條件將數字列轉變為一個新列？

Question

我正在嘗試根據原始列的值在 dataframe 中創建一個新列，其中根據值的不同條件將其分為四組。 我不知道該怎么做！

假設一個帶有分數（數值 0-1000）的列作為更大的 dataframe 的一部分。

我想根據以下條件對該分數進行分組的新列：

• 得分為0的人
• 介於 0 和 33 個百分點之間的人
• 那些介於第 33 和第 66 個百分位數之間的人
• 那些介於第 66 個和第 100 個百分位數之間的人

根據上述條件，我希望新列類似於“Score_status”和 label 它們“無”、“低”、“中”、“高”。 需要忽略所有 0 來計算百分位數，因為當分成分位數時 Q1 和 Q2 都是 0，因此試圖使這個新列看到分數 0 之外的數據分布（這是針對 Kaplan-Meier）。

我希望有人能幫幫忙。 我無法完全理解我將如何做到這一點。

謝謝。

Answer 1

您可以編寫一個 function，即 map 的值到 label。這允許您計算 function 中數據子集的切點。

一個（低效的）實現的例子：

cut_with_none <- function(x, none_value, none_label, quant, break_labels) {
  y <- x == none_value
  q_val <- quantile(x[!y], quant)
  res <- vector(mode = "character", length = length(x))
  for(i in rev(seq_along(q_val))) {
    res[x <= q_val[i]] <- break_labels[i]
  }
  
  res[y] <- none_label
  
  res
}

在哪里：

• none_value：你想要的值 label as none
• none_label：label 為 none 值
• quant：0 和 1 之間的數字向量傳遞給分位數以計算中斷值
• break_labels：名稱向量與標簽的量化向量一樣長。

您可以使用 mutate 輕松添加包含 function 的列。

例如隨機數據：

tibble(subject = sample(letters[1:3], 10, replace = TRUE),
           value = rgeom(10, 0.5)) %>% 
  mutate(label_value = cut_with_none(value, 0, "none", 
                                     quant = c(1/3, 2/3, 1),
                                     break_labels = c("low", "middle", "high")))

希望即使它根本不優雅也能做到這一點。

Answer 2

這是使用cut的一種方法。 創建一個索引idx ，其中包含要從百分位評估中忽略的 0 值的行號。 下面是一個隨機數據的簡單示例（一個值為零）。

set.seed(42)

df <- data.frame(
  var = sample(0:9, 10)
)

idx <- df$var != 0

df$score_status <- factor(NA_character_, levels = c("none", "low", "middle", "high"))

df$score_status[idx] <- cut(
  df$var[idx],
  breaks = quantile(df$var[idx], probs = c(0, 1/3, 2/3, 1)), 
  include.lowest = TRUE,
  labels = c("low", "middle", "high")
)

df$score_status[!idx] <- "none"

df

Output

   var score_status
1    0         none
2    4       middle
3    9         high
4    7         high
5    1          low
6    3          low
7    5       middle
8    8         high
9    6       middle
10   2          low