使用 cut() 和 quantile() 在 R 中存儲連續列

Question

我有以下生成的 df 年齡和體重

df = data.frame(
    Age = sample(18:98, 1000, replace = TRUE),
    Weight = sample(80:250, 10000, replace = TRUE)
)

我想通過基於分位數（25%、50%、75%）創建桶來改變連續列。這可以這樣做：

> quantile(df$Age, probs = c(0.25,0.5,0.75))
25% 50% 75% 
 39  58  78

但是，我想使用使用這些分位數 (25%, 50%, 75%) 的 cut 函數

我怎樣才能做到這一點？ 我希望輸出轉換為這樣的東西，其中任何連續變量都轉換為基於分位數 (25%, 50%, 75%) 的桶

Age          Weight
(17.9,44.7]  (137,193]
(44.7,71.3]  (137,193]
(71.3,98.1]  (79.8,137]
(44.7,71.3]  (193,250]
(17.9,44.7]  (79.8,137]

Answer 1

只需將您的分位數作為cut的第二個參數傳遞，盡管添加 0 和 1 分位數，以便您的切割具有下限和上限。 （即c(0, 0.25, 0.5, 0.75, 1) ，可以簡明地寫為0:4 / 4 ）

Tidyverse 版本

library(dplyr)

as_tibble(df) %>% 
   mutate(across(everything(), .fn = function(x) cut(x, quantile(x, 0:4/4))))
#> # A tibble: 10,000 x 2
#>    Age     Weight   
#>    <fct>   <fct>    
#>  1 (18,38] (80,121] 
#>  2 (78,98] (121,165]
#>  3 (18,38] (121,165]
#>  4 (58,78] (208,250]
#>  5 (58,78] (165,208]
#>  6 (78,98] (80,121] 
#>  7 (38,58] (165,208]
#>  8 (58,78] (80,121] 
#>  9 (38,58] (165,208]
#> 10 (58,78] (121,165]
#> # ... with 9,990 more rows

---

基礎 R 版本

df$Age <- cut(df$Age, quantile(df$Age, 0:4/4))
df$Weight <- cut(df$Weight, quantile(df$Weight, 0:4/4))

Answer 2

我的santoku包有chop_quantiles() ：

library(santoku)
df[] <- apply(df, 2, chop_quantiles, 0:4/4)

甚至更簡單：

df[] <- apply(df, 2, chop_equally, 4)

空括號是一種將df保持為 data.frame 的技巧。

如果您想要標簽中的原始值，您可以執行以下操作：

df[] <- apply(df, 2, chop_equally, 4, labels = lbl_intervals(raw = TRUE))