r - 按设定的观察次数对变量进行分箱

Question

快速提问。我正在以多种不同的方式对变量进行分箱，以进行探索性数据分析。假设我有一个名为 var 的变量在数据框df .

df$var<-c(1,2,8,9,4,5,6,3,6,9,3,4,5,6,7,8,9,2,3,4,6,1,2,3,7,8,9,0)

到目前为止，我采用了以下方法(下面的代码):

#Divide into quartiles
df$var_quartile <- with(df, cut(var, breaks=quantile(var, probs=seq(0,1, by=.25)), include.lowest=TRUE))
# Values of var_quartile
> [0,3],[0,3],(7.25,9],(7.25,9],(3,5],(3,5],(5,7.25],[0,3],(5,7.25],(7.25,9],[0,3],(3,5],(3,5],(5,7.25],(5,7.25],(7.25,9],(7.25,9],[0,3],[0,3],(3,5],(5,7.25],[0,3],[0,3],[0,3]

#Bin into increments of 2
df$var_bin<- cut(df[['var']],2, include.lowest=TRUE, labels=1:2)
# Values of var_bin
> 1 1 2 2 1 2 2 1 2 2 1 1 2 2 2 2 2 1 1 1 2 1 1 1 2 2 2 1

我想做的最后一件事是将变量按时间顺序排序后分成 10 个观察值的部分。这是在找到中位数(计数到中间观察值)后进行拆分的相同方法，只是我想以 10 个观察值的增量进行计数。

使用我的示例，这将拆分 var分为以下几个部分:

0,1,1,2,2,2,3,3,3,3
4,4,4,5,5,6,6,6,6,7
7,8,8,8,9,9,9

注意-- 我需要在非常大的数据集(通常是 3-6 百万个广泛形式的观察)中运行此操作。

我该怎么做呢？谢谢!

Answer 1

cut_number()来自 ggplot2 旨在将数字向量切割成包含相同点数的间隔。在您的情况下，您可以像这样使用它:

library(ggplot2)
split(var, cut_number(var, n=3, labels=1:3))
# $`1`
#  [1] 1 2 3 3 2 3 1 2 3 0
# 
# $`2`
# [1] 4 5 6 6 4 5 6 4 6
# 
# $`3`
# [1] 8 9 9 7 8 9 7 8 9