كيف يتم إجراء الانقسامات المتوسطة ضمن مستويات العوامل في R؟
سؤال
أقوم هنا بإنشاء عمود جديد للإشارة إلى ما إذا كانت بياناتي أعلى أو أقل من متوسطها
### MedianSplits based on Whole Data
#create some test data
myDataFrame=data.frame(myData=runif(15),myFactor=rep(c("A","B","C"),5))
#create column showing median split
myBreaks= quantile(myDataFrame$myData,c(0,.5,1))
myDataFrame$MedianSplitWholeData = cut(
myDataFrame$myData,
breaks=myBreaks,
include.lowest=TRUE,
labels=c("Below","Above"))
#Check if it's correct
myDataFrame$AboveWholeMedian = myDataFrame$myData > median(myDataFrame$myData)
myDataFrame
يعمل بشكل جيد.الآن أريد أن أفعل نفس الشيء، ولكن حساب الانقسامات المتوسطة داخل كل مستوى من مستويات myFactor.
لقد توصلت إلى هذا:
#Median splits within factor levels
byOutput=by(myDataFrame$myData,myDataFrame$myFactor, function (x) {
myBreaks= quantile(x,c(0,.5,1))
MedianSplitByGroup=cut(x,
breaks=myBreaks,
include.lowest=TRUE,
labels=c("Below","Above"))
MedianSplitByGroup
})
byOutput يحتوي على ما أريد.ويصنف كل عنصر من عناصر العوامل A وB وC بشكل صحيح.ومع ذلك، أرغب في إنشاء عمود جديد، myDataFrame$FactorLevelMedianSplit، الذي يعرض الانقسام المتوسط المحسوب حديثًا.
كيف يمكنك تحويل إخراج الأمر "بواسطة" إلى عمود إطار بيانات مفيد؟
أعتقد أن الأمر "بواسطة" لا يشبه طريقة R للقيام بذلك ...
تحديث:
مع مثال تييري لكيفية استخدام العامل() بذكاء، وعند اكتشاف وظيفة "ave" في كتاب سبيكتور، وجدت هذا الحل، الذي لا يتطلب أي حزم إضافية.
myDataFrame$MediansByFactor=ave(
myDataFrame$myData,
myDataFrame$myFactor,
FUN=median)
myDataFrame$FactorLevelMedianSplit = factor(
myDataFrame$myData>myDataFrame$MediansByFactor,
levels = c(TRUE, FALSE),
labels = c("Above", "Below"))
المحلول
إليك الحل باستخدام حزمة plyr.
myDataFrame <- data.frame(myData=runif(15),myFactor=rep(c("A","B","C"),5))
library(plyr)
ddply(myDataFrame, "myFactor", function(x){
x$Median <- median(x$myData)
x$FactorLevelMedianSplit <- factor(x$myData <= x$Median, levels = c(TRUE, FALSE), labels = c("Below", "Above"))
x
})
نصائح أخرى
إليك طريقة الاختراق.قد يأتي هادلي بشيء أكثر أناقة:
للبدء، نقوم ببساطة بتسلسل by
انتاج:
R> do.call(c,byOutput)
A1 A2 A3 A4 A5 B1 B2 B3 B4 B5 C1 C2 C3 C4 C5
1 2 2 1 1 1 1 2 1 2 1 2 1 1 2
وما يهمنا هو أن نحصل هنا على مستويات العامل 1 و 2 والتي يمكننا استخدامها لإعادة فهرسة عامل جديد مع تلك المستويات:
R> c("Below","Above")[do.call(c,byOutput)]
[1] "Below" "Above" "Above" "Below" "Below" "Below" "Below" "Above"
[8] "Below" "Above" "Below" "Above" "Below" "Below" "Above"
R> as.factor(c("Below","Above")[do.call(c,byOutput)])
[1] Below Above Above Below Below Below Below Above Below Above
[11] Below Above Below Below Above
Levels: Above Below
والتي يمكننا بعد ذلك تعيينها في data.frame
أردت تعديل:
R> myDataFrame$FactorLevelMedianSplit <-
as.factor(c("Below","Above")[do.call(c,byOutput)])
تحديث:لا يهم، سنحتاج إلى إعادة فهرسة myDataFrame ليتم تصنيفها A A ...أ ب ...ب ج ...C أيضًا قبل أن نضيف العمود الجديد.بقي كتمرين...