根據連續變量值 (dplyr) 改變二進制變量

Question

我有一個 Reddit 用戶和他們的帖子的數據集，我正在嘗試創建一個指示變量，如果用戶有許多帖子在第 80 個百分位，則編碼為 1，否則為 0。 我基本上對將用戶分類為“主動”用戶和“被動”用戶很感興趣。

我創建了一個變量來計算用戶名的帖子數量：

df <-
df %>% group_by(username) %>% mutate(count = n()) 
  #count(username, sort = TRUE)

這是一個數據示例：

df %>% 
  select(username, count) %>% 
  head(., 4)

輸出：

username
cyz
crash
conan
xyz
<chr>
count
14
12
7
13
<int>

我嘗試了以下方法來識別在前 20 個百分位數中有許多帖子的用戶：

df %>% 
  group_by(username) %>% 
    do(tidy(t(quantile(.$count))))

但我不斷收到以下錯誤消息：“請參閱幫助（“已棄用”）警告：'tidy.numeric' 已棄用。”

Answer 1

您可以使用 mutate 來獲取一個新列，其中的活動編碼如您所期望的那樣。

df <- data.frame(username = LETTERS[1:10],
                 count = round(replicate(10, rnorm(1, 50, 5))))
   username count
1         A    47
2         B    48
3         C    57
4         D    55
5         E    50
6         F    57
7         G    54
8         H    54
9         I    53
10        J    43

df %>% mutate(active = ifelse(count > quantile(count, 0.8), 1, 0))
1         A    47      0
2         B    48      0
3         C    57      1
4         D    55      0
5         E    50      0
6         F    57      1
7         G    54      0
8         H    54      0
9         I    53      0
10        J    43      0