R の因子水準内で中央値分割を行うにはどうすればよいですか?

Question

ここで、myData が中央値より上か下かを示す新しい列を作成します。

### 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

正常に動作します。次に、同じことを行いますが、myFactor の各レベル内の分割の中央値を計算します。

私はこれを思いつきました:

#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には私が望むものが含まれています。因子 A、B、C の各要素を正確に分類します。ただし、新しく計算された中央値分割を示す新しい列 myDataFrame$FactorLevelMedianSplit を作成したいと思います。

「by」コマンドの出力を有用なデータフレーム列に変換するにはどうすればよいでしょうか?

おそらく「by」コマンドはこれを行うRのような方法ではないと思います...

アップデート:

ティエリーによる、factor() の賢い使い方の例と、スペクターの本で「ave」関数を発見したところ、追加のパッケージを必要としないこのソリューションを見つけました。

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

これは plyr パッケージを使用した解決策です。

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

これはハックっぽい方法です。ハドリーはもっとエレガントなものを持ってくるかもしれません:

まず、以下を単純に連結します。 by 出力：

 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 

そして重要なのは、ここで因子レベル 1 と 2 を取得し、これらのレベルで新しい因子のインデックスを再作成するために使用できることです。

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

それを次に割り当てることができます data.frame 変更したい内容:

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

アップデート:気にしないでください、並べ替えるために myDataFrame のインデックスを再作成する必要があります A A ...A B ...BC ...新しい列を追加する前に C も同様に実行します。練習として残しました...