第R語言將變量分組的3種方法實例(含cut函數(shù)說明）目錄前言方法一：直接對分組變量進行賦值方法二：使用within函數(shù)對變量進行分組方法三：采用cut函數(shù)總結

前言

在數(shù)據(jù)處理的過程中，我們有時候需要將連續(xù)的數(shù)值數(shù)據(jù)轉換為類別數(shù)據(jù)，比如將收入分成高、中和低三組，將學生成績分為優(yōu)、良、中、及格和不及格五組。

本來將基于R語言，采用三種方法來實現(xiàn)；第一種是對變量直接進行重新賦值，第二種是使用within函數(shù)對語句進行組織，第三種是cut函數(shù)。

首先我們定義一個數(shù)據(jù)框，這個數(shù)據(jù)框包括學生姓名和數(shù)學成績兩個變量。

#定義數(shù)據(jù)框

mathScore-data.frame(name=c("劉文濤","王宇翔","田思雨","徐麗娜","丁文彬","李志國","王智強","宋麗芳","袁芳芳","張建國"),math=c(85,91,74,100,82,84,78,100,51,70))

head(mathScore)

接下來我們以90、80、70和60為界，將學生的數(shù)學成績分為優(yōu)、良、中、及格和不及格五類。

方法一：直接對分組變量進行賦值

#方法一：直接對分組變量進行賦值

attach(mathScore)

mathScore$group1[math=90]="優(yōu)"

mathScore$group1[math=80math90]="良"

mathScore$group1[math=70math80]="中"

mathScore$group1[math=60math70]="及格"

mathScore$group1[math60]="不及格"

detach(mathScore)

head(mathScore)

這種方法較易理解，但使用attach函數(shù)可能會出現(xiàn)一些意想不到的問題，因此我們可以采用within函數(shù)，對代碼進行優(yōu)化，即方法二

方法二：使用within函數(shù)對變量進行分組

#方法二：使用within函數(shù)對變量進行分組

mathScore-within(mathScore,{

group2-NA

group2[math=90]="優(yōu)"

group2[math=80math90]="良"

group2[math=70math80]="中"

group2[math=60math70]="及格"

group2[math60]="不及格"

head(mathScore)

在方法二中，要注意within函數(shù)的寫法，賦值語句要用大括號括起來，并且每條賦值語句占一行。此外，在第一行首先定義了group2-NA這個變量。

方法三：采用cut函數(shù)

采用cut函數(shù)也是較為常用的一種方法，但要注意的是需要對間段點的開閉進行設定。

#方法三：采用cut函數(shù)

mathScore$group3-cut(mathScore$math,breaks=c(-Inf,60,70,80,90,Inf),labels=c("不及格","及格","中","良","優(yōu)"),right=FALSE)

在cut函數(shù)中：

breaks表示分界點，Inf表示無窮大；labels表示每個類別的名稱；right=FALSE表示表示區(qū)間為左閉右開，即分段時不包括右邊的點，即良為[80,

90)；right=TRUE則表示左閉右開區(qū)間（默認是這種情形）

我們執(zhí)行mathScore代碼，就可以看到三種方法得到的結果是一致的。

關于cut函數(shù)參數(shù)的補充說明：

cut函數(shù)有兩個和分界點相關的參數(shù)，一個是include.lowest，一個是right，下面對這兩個參數(shù)進行詳細說明。

right參數(shù)：right=TRUE表示左閉右開區(qū)間，right=FALSE表示左開右閉區(qū)間include.lowest參數(shù)：表示包括最小值或包括最大值

下面通過例子說明：

為了說明問題，我們把數(shù)據(jù)再重新定義一下，比原數(shù)據(jù)加入兩行：

#重新定義一下數(shù)據(jù)框

mathScore-data.frame(name=c("劉文濤","王宇翔","田思雨","徐麗娜","丁文彬","李志國","王智強","宋麗芳","袁芳芳","張建國","張志偉","李明"),math=c(85,91,74,100,82,84,78,100,51,70,0,NA))

head(mathScore)

我們把之前代碼改寫一下，把-Inf替換為0，把Inf替換為100，嘗試一下結果：

#問題代碼示例

mathScore$group-cut(mathScore$math,breaks=c(0,60,70,80,90,100),labels=c("不及格","及格","中","良","優(yōu)"),right=FALSE)

mathScore

我們可以看到輸出的結果如下:

namemathgroup

1劉文濤85良

2王宇翔91優(yōu)

3田思雨74中

4徐麗娜100NA

5丁文彬82良

6李志國84良

7王智強78中

8宋麗芳100NA

9袁芳芳51不及格

10張建國70中

11張志偉0不及格

12李明NANA

此結果有問題，因為100分不包括在內，因為right=FALSE是左閉右開區(qū)間，這時就要改寫代碼，加上參數(shù)include.lowest=TRUE

如下為正確代碼示例：

#正確代碼示例

mathScore$group-cut(mathScore$math,breaks=c(0,60,70,80,90,100),labels=c("不及格","及格","中","良","優(yōu)"),right=FALSE,include.lowest=TRUE)

mathScore

這時的結果如下，我們發(fā)現(xiàn)是結果正確的：

namemathgroup

1劉文濤85良

2王宇翔91優(yōu)

3田思雨74中

4徐麗娜100優(yōu)

5丁文彬82良

6李志國84良

7王智強78中

8宋麗芳100優(yōu)

9袁芳芳51不及格

10張建國70中

11張志偉0不及格

12李明NANA

因為right=FALSE是左閉右開區(qū)間，加上參數(shù)include.lowest=TRUE后，意為把最大值的右端點包括了。

為了深入了解兩個端點參數(shù)的關系，我們嘗試動下如下兩段代碼：

#對參數(shù)設置嘗試的代碼

mathScore$group-cut(mathScore$math,breaks=c(0,60,70,80,90,100),labels=c("不及格","及格","中","良","優(yōu)"),right=TRUE,include.lowest=FALSE)

mathScore

此代碼為左閉右開區(qū)間，不包括最小值左側端點；

#對參數(shù)設置嘗試的代碼

mathScore$group-cut(mathScore$math,breaks=c(0,60,70,80,90,100),labels=c("不及格","及格","中","良","優(yōu)"),right=TRUE,include.lowest=TRUE)

mathScore

此代碼為左閉右開區(qū)間，包括最小值區(qū)間左側端點。

因此，right和include.lowest總結如下：

right參數(shù)include.lowest參數(shù)備注FALSETRUE左閉右開，包括最大值端點TRUETRUE左開右閉，包括最小值端點