Como fazer splits medianos dentro de níveis de fator em R?

Question

Aqui eu faço uma nova coluna para indicar se myData está acima ou abaixo de sua média

### 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

funciona bem. Agora eu quero fazer a mesma coisa, mas computar os splits medianos dentro de cada nível de myFactor.

Eu vim acima com este:

#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 contém o que eu quero. É categoriza cada elemento de factores A, B, e C correctamente. No entanto, eu gostaria de criar uma nova coluna, myDataFrame $ FactorLevelMedianSplit, que mostra a divisão mediana recém-calculado.

Como você converter a saída do "por" comando em uma coluna-frame dados úteis?

Eu acho que talvez o "por" comando não é R-like maneira de fazer isso ...

Atualizar :

Com exemplo de como usar o factor () inteligentemente, e ao descobrir a função de "ave" no livro de Spector de Thierry, eu encontrei esta solução, que não necessita de pacotes adicionais.

myDataFrame$MediansByFactor=ave(
    myDataFrame$myData,
    myDataFrame$myFactor,
    FUN=median)

myDataFrame$FactorLevelMedianSplit = factor(
    myDataFrame$myData>myDataFrame$MediansByFactor, 
    levels = c(TRUE, FALSE), 
    labels = c("Above", "Below"))

Answer 1

Aqui está uma solução usando o pacote 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
})

Answer 2

Aqui está uma maneira Hack-ish. Hadley pode vir com algo mais elegante:

Para começar, nós simples concatenar a saída by:

 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 

e que importa que nós temos os níveis de fator 1 e 2 aqui que podemos usar para re-indexar um novo fator com esses níveis:

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

que pode então atribuir no data.frame você queria modificar:

R> myDataFrame$FactorLevelMedianSplit <- 
      as.factor(c("Below","Above")[do.call(c,byOutput)])

Atualizar : Nunca mente, tínhamos necessidade de reindexar myDataFrame a ser classificado A A ... A B ... B C ... C, bem antes de adicionar a nova coluna. Deixado como um exercício ...