如何更改baseR'cut獲得的輸出格式？

我有一個包含年齡的資料框，我的目標是將這些年齡分組。

我找到了這樣做的方法，即cut從基礎 R使用。但是，我想更改輸出的格式。我在這篇文章中看到了一種方法，但正如有人所說，我丟失了原始符號中包含的資訊。

代碼：

set.seed(1234)
Age <- floor(runif(25, min=18, max=75))

df <- data.frame(Age)
mybreaks <- seq(min(df$Age)-1, to=max(df$Age) 10, by=10)
df$groups_age <- cut(df$Age, breaks = mybreaks, by=10)


label_interval <- function(breaks) {
  paste0("(", breaks[1:length(breaks) - 1], "-", breaks[2:length(breaks)], ")")
}
df$groups_age_2 <- cut(df$Age, breaks = mybreaks, labels = label_interval(mybreaks))


df[7:12, ]
#    Age groups_age groups_age_2
# 7   18    [17,27)      (17-27)
# 8   31    [27,37)      (27-37)
# 9   55    [47,57)      (47-57)
# 10  47    [47,57)      (37-47)
# 11  57    [57,67)      (47-57)
# 12  49    [47,57)      (47-57)

如您所見，列“group_age”是輸出，cut列“group_age2”是使用函式label_interval（有人在上一篇文章中寫過）的結果。

這可能是一個很好的解決方案，但我丟失了資訊。

例如，在第 7 行和第 8 行中，我們看到 2 個不同年齡組的不同年齡組。兩者都包含 27，這是不正確的。

我想要第 8 行，(28-37)但我不知道如何將它添加到函式中，以便對整個資料幀進行處理。

有誰知道怎么做？

uj5u.com熱心網友回復：

cut.bincode回傳組的整數格式的呼叫，其中 1 是最低的，然后是 2 等等。所以你可以手動進行格式化，然后將它們映射到集群索引，例如

format_groups <- sapply(1:(length(mybreaks)-1), function(i){
  # to avoid adding 1 to the first cluster:
  if(i>1){
    b1 <- mybreaks[i] 1
  }else{
    b1 <- mybreaks[i]
  } 
  sprintf("(%s-%s)", b1, mybreaks[i 1])
})
df$group_index <- .bincode(df$Age, breaks = mybreaks)
df$groups_age_2 <- format_groups[df$group_index]

uj5u.com熱心網友回復：

嘗試像這樣重新定義你的函式。它使用sprintf代替paste，在連接硬編碼和動態字串的情況下這可能更容易。

label_interval <- function(breaks) {
  do.call(\(...) sprintf('(%s-%s)', ...),
          cbind.data.frame(breaks[-length(breaks)]   1, breaks[-1]))
}

df$groups_age_2 <- cut(df$Age, breaks=mybreaks, labels=label_interval(mybreaks))

df[order(df$Age), ]
#    Age groups_age groups_age_2
# 7   18    (17,27]      (18-27)
# 24  20    (17,27]      (18-27)
# 1   24    (17,27]      (18-27)
# 23  27    (17,27]      (18-27)
# 19  28    (27,37]      (28-37)
# 25  30    (27,37]      (28-37)
# 8   31    (27,37]      (28-37)
# 20  31    (27,37]      (28-37)
# 18  33    (27,37]      (28-37)
# 13  34    (27,37]      (28-37)
# 15  34    (27,37]      (28-37)
# 17  34    (27,37]      (28-37)
# 22  35    (27,37]      (28-37)
# 21  36    (27,37]      (28-37)
# 10  47    (37,47]      (38-47)
# 12  49    (47,57]      (48-57)
# 3   52    (47,57]      (48-57)
# 2   53    (47,57]      (48-57)
# 4   53    (47,57]      (48-57)
# 6   54    (47,57]      (48-57)
# 9   55    (47,57]      (48-57)
# 11  57    (47,57]      (48-57)
# 16  65    (57,67]      (58-67)
# 5   67    (57,67]      (58-67)
# 14  70    (67,77]      (68-77)

資料：

df <- structure(list(Age = c(24, 53, 52, 53, 67, 54, 18, 31, 55, 47, 
57, 49, 34, 70, 34, 65, 34, 33, 28, 31, 36, 35, 27, 20, 30), 
    groups_age = structure(c(1L, 4L, 4L, 4L, 5L, 4L, 1L, 2L, 
    4L, 3L, 4L, 4L, 2L, 6L, 2L, 5L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 
    1L, 2L), .Label = c("(17,27]", "(27,37]", "(37,47]", "(47,57]", 
    "(57,67]", "(67,77]"), class = "factor")), row.names = c(NA, 
-25L), class = "data.frame")
mybreaks <- seq(min(df$Age) - 1, to=max(df$Age)   10, by=10)

標籤：r

上一篇：通過用“.”替換逗號將字符轉換為數字。

下一篇：在單詞和數字之間拆分字串