我有一个数据框,我正在尝试在数据框中创建一个新变量,该变量具有连续变量 var1
的分位数,对于每个级别的因子 strata
.
# some data
set.seed(472)
dat <- data.frame(var1 = rnorm(50, 10, 3)^2,
strata = factor(sample(LETTERS[1:5], size = 50, replace = TRUE))
)
# function to get quantiles
qfun <- function(x, q = 5) {
quantile <- cut(x, breaks = quantile(x, probs = 0:q/q),
include.lowest = TRUE, labels = 1:q)
quantile
}
我尝试使用两种方法,这两种方法都不会产生可用的结果 . 首先,我尝试使用 aggregate
将 qfun
应用于 strata
的每个级别:
qdat <- with(dat, aggregate(var1, list(strata), FUN = qfun))
这将分数按系数级别返回,但输出很难强制回数据帧(例如,使用 unlist
不会将新变量值与数据帧中的正确行对齐) .
第二种方法是按步骤执行此操作:
tmp1 <- with(dat, split(var1, strata))
tmp2 <- lapply(tmp1, qfun)
tmp3 <- unlist(tmp2)
dat$quintiles <- tmp3
同样,这会为每个因子级别正确计算分位数,但很明显,与 aggregate
一样,它们在数据框中的顺序不正确 . 我们可以通过将分位数"bins"放入数据框来检查这一点 .
# get quantile bins
qfun2 <- function(x, q = 5) {
quantile <- cut(x, breaks = quantile(x, probs = 0:q/q),
include.lowest = TRUE)
quantile
}
tmp11 <- with(dat, split(var1, strata))
tmp22 <- lapply(tmp11, qfun2)
tmp33 <- unlist(tmp22)
dat$quintiles2 <- tmp33
var1
的许多值都在 quantile2
的区间之外 . 我觉得我错过了一些简单的事情 . 任何建议将不胜感激 .
2 回答
我认为你的问题是你真的不想聚合,而是使用
ave
,(或data.table
或plyr
)聚合通常意味着返回一个小于原始对象的对象 . (在这种情况下,你得到一个data.frame,其中
x
是每个阶层1个元素的list
.在
dat
数据框上使用ave
. 您的模拟数据和qfun
函数的完整示例:而我的补充......