Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/66.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
R中的割分位数不包括零_R_Cut_Quantile_Binning - Fatal编程技术网

R中的割分位数不包括零

R中的割分位数不包括零,r,cut,quantile,binning,R,Cut,Quantile,Binning,我试图根据第1、第3和第4个分位数(即0-25%、25%-75%、75%-100%)从R中的列中存储数字数据。我使用了下面的代码,但是零没有包含在binning中。它们显示为NA rawdata1$usage4 <- cut(rawdata1$Usage_Percentage, breaks = quantile(rawdata1$Usage_Percentage, probs = c(-Inf,0.25,0.75,Inf),include.lowest=T),la

我试图根据第1、第3和第4个分位数(即0-25%、25%-75%、75%-100%)从R中的列中存储数字数据。我使用了下面的代码,但是零没有包含在binning中。它们显示为NA

rawdata1$usage4 <- cut(rawdata1$Usage_Percentage,
      breaks = quantile(rawdata1$Usage_Percentage,
      probs = c(-Inf,0.25,0.75,Inf),include.lowest=T),labels=F)

rawdata1$usage4要在装箱中包含零,还可以使用
Hmisc
中的
cut2
功能。 这里有一个例子

data <- data.frame(vect = c(1.64, 1.5, 1.5, 1.41, 1.64, 1.64, 0, 1.45, 1.64, 1.5, 1.45, 0, 1.45, 1.64,
                            1.5, 1.5, 1.5, 0, 1.5, 1.41, 0.18, 0.09, 0.1, 0.09, 0.05, 0.09, 1.64, 1.5,
                            1.5, 0.1, 0.05, 0.09, 0, 5.82, 5.86, 5.86, 0, 5.82, 5.82, 5.82, 5.82, 5.82,
                            5.86, 5.86, 5.82, 0, 5.91, 9.41, 9.5, 5.91, 0, 9.45, 5.91, 9.45, 5.91, 0,
                            0, 9.55, 5.91, 9.55, 9.5, 9.55, 0, 5.82, 1.64))

data$bin <- factor(Hmisc::cut2(data$vect, g = 4), labels = c(1:4))
#g represents the number of quantile groups

data要在装箱中包含零,还可以使用
Hmisc
中的
cut2
功能。 这里有一个例子

data <- data.frame(vect = c(1.64, 1.5, 1.5, 1.41, 1.64, 1.64, 0, 1.45, 1.64, 1.5, 1.45, 0, 1.45, 1.64,
                            1.5, 1.5, 1.5, 0, 1.5, 1.41, 0.18, 0.09, 0.1, 0.09, 0.05, 0.09, 1.64, 1.5,
                            1.5, 0.1, 0.05, 0.09, 0, 5.82, 5.86, 5.86, 0, 5.82, 5.82, 5.82, 5.82, 5.82,
                            5.86, 5.86, 5.82, 0, 5.91, 9.41, 9.5, 5.91, 0, 9.45, 5.91, 9.45, 5.91, 0,
                            0, 9.55, 5.91, 9.55, 9.5, 9.55, 0, 5.82, 1.64))

data$bin <- factor(Hmisc::cut2(data$vect, g = 4), labels = c(1:4))
#g represents the number of quantile groups
data您是否尝试过
probs=c(0,0.25,0.75,1),
您是否尝试过
probs=c(0,0.25,0.75,1),