r - 根据 dplyr 中的 percent_rank 创建组

Question

我正在尝试根据 dplyr 中某些值的百分比排名创建一些组。

下面的代码创建了一个数据框，然后应用一个函数来确定组。缺点是我不能申请为 tbl_postgres 工作，只能为数据帧工作。所以我很好奇是否有其他解决方案。

我曾考虑过使用 ntile 的东西，但我想创建的组有一些任意的截止点。此外，我没有太多运气让它与 dplyr 一起工作(也许纯 sql 可能有效)。

library(dplyr)

n <- 100

df1 <- data.frame(idx = 1:n, x = rnorm(n))

df1 <- df1 %>%
            arrange(x) %>%
            mutate(pc_x = percent_rank(x))

index <- function(x) {
    if (x < 0) {
        return(NA)
    } else if (x < 0.3) {
        return(1)
    } else if (x < 0.7) {
        return(2)
    } else if (x <= 1) {
        return(3)
    } else {
        return(NA)
    }
}

df1 <- df1 %>%
            mutate(group = sapply(pc_x, index))

Answer 1

也许 cut将满足您的需求:

library(dplyr)
n <- 100
set.seed(42)
df1 <- data.frame(idx = 1:n, x = rnorm(n))
df1 <- df1 %>%
    arrange(x) %>%
    mutate(pc_x = percent_rank(x))

我使用 -1e9在breaks因为cut是“左开”的，所以如果我使用 breaks <- c(0, ...)那么第一行是NA而不是 1。

breaks <- c(-1e9, 0.3, 0.7, 1)
df1 %>%
    mutate(grp = cut(pc_x, breaks=breaks, labels=FALSE)) %>%
    group_by(grp)
## Source: local data frame [100 x 4]
## Groups: grp [3]
##      idx          x       pc_x   grp
##    (int)      (dbl)      (dbl) (int)
## 1     59 -2.9930901 0.00000000     1
## 2     18 -2.6564554 0.01010101     1
## 3     19 -2.4404669 0.02020202     1
## 4     39 -2.4142076 0.03030303     1
## 5     22 -1.7813084 0.04040404     1
## ..   ...        ...        ...   ...