将数据与'cut()合并后,创建标签的'chr'列`
我已经使用将数据与'cut()合并后,创建标签的'chr'列`,r,tidyverse,R,Tidyverse,我已经使用cut()为我的一列数据创建了存储箱。使用以下mtcars可复制示例: library(tidyverse) df <- mtcars df$mpg_binned <- cut(x = df$mpg, breaks = 4) df <- df %>% select(mpg, mpg_binned, everything()) head(df) #> mpg mpg_binned cyl disp hp drat
cut()
为我的一列数据创建了存储箱。使用以下mtcars
可复制示例:
library(tidyverse)
df <- mtcars
df$mpg_binned <- cut(x = df$mpg, breaks = 4)
df <- df %>% select(mpg, mpg_binned, everything())
head(df)
#> mpg mpg_binned cyl disp hp drat wt qsec vs am
#> Mazda RX4 21.0 (16.3,22.1] 6 160 110 3.90 2.620 16.46 0 1
#> Mazda RX4 Wag 21.0 (16.3,22.1] 6 160 110 3.90 2.875 17.02 0 1
#> Datsun 710 22.8 (22.1,28] 4 108 93 3.85 2.320 18.61 1 1
#> Hornet 4 Drive 21.4 (16.3,22.1] 6 258 110 3.08 3.215 19.44 1 0
#> Hornet Sportabout 18.7 (16.3,22.1] 8 360 175 3.15 3.440 17.02 0 0
#> Valiant 18.1 (16.3,22.1] 6 225 105 2.76 3.460 20.22 1 0
如果只有两个存储箱,我会使用ifelse()
——对于多个存储箱,我是否需要执行嵌套的ifelse()
?有更简单的吗
由于某种原因,我无法让下面的行工作,对于一个箱子的情况。我想给所有的垃圾箱贴上标签
Tidyverse解决方案会很棒,但我对所有解决方案都持开放态度
df$bin_label <-
ifelse(df2$mpg_binned=="(16.3,22.1]", yes = "16.3 < mpg <= 22.1", no = df2$mpg_binned)
df$bin_label由于我们事先不知道数据将被分割的确切的断点是什么,一种选择是使用正则表达式提取数字。所以对于mpg
列,我们可以
sub("\\((\\d+\\.?\\d?),(\\d+\\.?\\d?).*", "\\1 < mpg <= \\2", df$mpg_binned)
#[1] "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" "22.1 < mpg <= 28"
# "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" ......
由于我们事先不知道数据将被分割的确切的断点是什么,一种选择是使用正则表达式来提取数字。所以对于mpg
列,我们可以
sub("\\((\\d+\\.?\\d?),(\\d+\\.?\\d?).*", "\\1 < mpg <= \\2", df$mpg_binned)
#[1] "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" "22.1 < mpg <= 28"
# "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" ......
这里有一个带有str\u replace
的选项,我们将数字部分捕获为一个组,并替换为该组的反向引用(\\1
,\\2
),其中穿插着我们要添加的字符串
library(tidyverse)
df %>%
rownames_to_column('rn') %>%
mutate(bin_label = str_replace(mpg_binned,
"\\(([0-9.]+),([0-9.]+)\\]", "\\1 < mpg <= \\2")) %>%
column_to_rownames('rn')
# mpg mpg_binned cyl disp hp drat wt qsec vs am gear carb bin_label
#Mazda RX4 21.0 (16.3,22.1] 6 160.0 110 3.90 2.620 16.46 0 1 4 4 16.3 < mpg <= 22.1
#Mazda RX4 Wag 21.0 (16.3,22.1] 6 160.0 110 3.90 2.875 17.02 0 1 4 4 16.3 < mpg <= 22.1
#Datsun 710 22.8 (22.1,28] 4 108.0 93 3.85 2.320 18.61 1 1 4 1 22.1 < mpg <= 28
#Hornet 4 Drive 21.4 (16.3,22.1] 6 258.0 110 3.08 3.215 19.44 1 0 3 1 16.3 < mpg <= 22.1
#Hornet Sportabout 18.7 (16.3,22.1] 8 360.0 175 3.15 3.440 17.02 0 0 3 2 16.3 < mpg <= 22.1
#Valiant 18.1 (16.3,22.1] 6 225.0 105 2.76 3.460 20.22 1 0 3 1 16.3 < mpg <= 22.1
这里有一个带有str\u replace
的选项,我们将数字部分捕获为一个组,并替换为该组的反向引用(\\1
,\\2
),其中穿插着我们要添加的字符串
library(tidyverse)
df %>%
rownames_to_column('rn') %>%
mutate(bin_label = str_replace(mpg_binned,
"\\(([0-9.]+),([0-9.]+)\\]", "\\1 < mpg <= \\2")) %>%
column_to_rownames('rn')
# mpg mpg_binned cyl disp hp drat wt qsec vs am gear carb bin_label
#Mazda RX4 21.0 (16.3,22.1] 6 160.0 110 3.90 2.620 16.46 0 1 4 4 16.3 < mpg <= 22.1
#Mazda RX4 Wag 21.0 (16.3,22.1] 6 160.0 110 3.90 2.875 17.02 0 1 4 4 16.3 < mpg <= 22.1
#Datsun 710 22.8 (22.1,28] 4 108.0 93 3.85 2.320 18.61 1 1 4 1 22.1 < mpg <= 28
#Hornet 4 Drive 21.4 (16.3,22.1] 6 258.0 110 3.08 3.215 19.44 1 0 3 1 16.3 < mpg <= 22.1
#Hornet Sportabout 18.7 (16.3,22.1] 8 360.0 175 3.15 3.440 17.02 0 0 3 2 16.3 < mpg <= 22.1
#Valiant 18.1 (16.3,22.1] 6 225.0 105 2.76 3.460 20.22 1 0 3 1 16.3 < mpg <= 22.1
cut
还具有labels
参数,您可以在其中指定正确的标签如果您想在使用cut
后创建标签,因此无法使用cut
的“labels”参数,请在使用函数时尝试tidyverse的case\u。这类似于ifelse
,但可以更清晰地处理多个备选方案。cut
还具有labels
参数,如果要在使用cut
后创建标签,则可以指定正确的标签,因此不能使用cut
的“labels”参数,尝试tidyverse的case\u when
功能。这类似于ifelse
,但更清晰地处理多个备选方案。我意识到,我上面提供的可复制示例实际上简化了我真实数据的一个关键方面。如果我想打印第二个捕获\\2
减去一,我如何将其细分到标签列中?我尝试了使用as.character(as.numeric(\\2)-1)作为paste0
,但没有成功。再次感谢你。@JeremyK。如果你需要用它做一些数学运算,它不会直接工作,因为这些是字符,我们需要分别提取它们。我已经更新了答案。你的技能令人难以置信!非常感谢。我意识到我上面提供的可复制示例实际上简化了我真实数据的一个关键方面。如果我想打印第二个捕获\\2
减去一,我如何将其细分到标签列中?我尝试了使用as.character(as.numeric(\\2)-1)作为paste0
,但没有成功。再次感谢你。@JeremyK。如果你需要用它做一些数学运算,它不会直接工作,因为这些是字符,我们需要分别提取它们。我已经更新了答案。你的技能令人难以置信!非常感谢。
df %>%
rownames_to_column('rn') %>%
mutate(bin_label = map_chr(str_extract_all(mpg_binned, "[0-9.]+"),
~ str_c(first(.x), "< mpg <= ", last(.x)))) %>%
column_to_rownames('rn')