Как сделать медианное разделение внутри уровней факторов в R?
Вопрос
Здесь я создаю новый столбец, чтобы указать, находится ли myData выше или ниже медианы.
### 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
Работает отлично.Теперь я хочу сделать то же самое, но вычислить медианное разделение на каждом уровне myFactor.
Я придумал это:
#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 содержит то, что я хочу.Он правильно классифицирует каждый элемент факторов A, B и C.Однако я хотел бы создать новый столбец myDataFrame$FactorLevelMedianSplit, который показывает недавно вычисленное медианное разделение.
Как преобразовать вывод команды «by» в полезный столбец фрейма данных?
Я думаю, что, возможно, команда «by» не является R-подобным способом сделать это...
Обновлять:
На примере Тьерри о том, как грамотно использовать Factor(), и обнаружив функцию «ave» в книге Спектора, я нашел это решение, которое не требует никаких дополнительных пакетов.
myDataFrame$MediansByFactor=ave(
myDataFrame$myData,
myDataFrame$myFactor,
FUN=median)
myDataFrame$FactorLevelMedianSplit = factor(
myDataFrame$myData>myDataFrame$MediansByFactor,
levels = c(TRUE, FALSE),
labels = c("Above", "Below"))
Решение
Вот решение с использованием пакета plyr.
myDataFrame <- data.frame(myData=runif(15),myFactor=rep(c("A","B","C"),5))
library(plyr)
ddply(myDataFrame, "myFactor", function(x){
x$Median <- median(x$myData)
x$FactorLevelMedianSplit <- factor(x$myData <= x$Median, levels = c(TRUE, FALSE), labels = c("Below", "Above"))
x
})
Другие советы
Вот хакерский способ.Хэдли может предложить что-то более элегантное:
Для начала мы просто объединяем by
выход:
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
и что важно, мы получаем здесь уровни факторов 1 и 2, которые мы можем использовать для повторной индексации нового фактора с этими уровнями:
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
которые мы затем можем присвоить data.frame
вы хотели изменить:
R> myDataFrame$FactorLevelMedianSplit <-
as.factor(c("Below","Above")[do.call(c,byOutput)])
Обновлять:Неважно, нам нужно будет переиндексировать myDataFrame, чтобы отсортировать A A...А Б...ДО Н.Э ...C, прежде чем мы добавим новый столбец.Оставил в качестве упражнения...