r - R中的等频离散化

Question

我无法在 R 中找到执行等频离散化的函数。我偶然发现了 'infotheo' 包，但经过一些测试后，我发现该算法已损坏。 CRAN 似乎不再支持“dprep”。

编辑 :

为清楚起见，我不需要将 bin 之间的值分开。我真的想要相同的频率，如果一个值最终出现在两个 bin 中并不重要。例如:

c(1,3,2,1,2,2) 

应该给一个垃圾箱 c(1,1,2)和一个 c(2,2,3)

Answer 1

编辑:鉴于你的真正目标，你为什么不做(更正):

 EqualFreq2 <- function(x,n){
    nx <- length(x)
    nrepl <- floor(nx/n)
    nplus <- sample(1:n,nx - nrepl*n)
    nrep <- rep(nrepl,n)
    nrep[nplus] <- nrepl+1
    x[order(x)] <- rep(seq.int(n),nrep)
    x
}

这将返回一个带有指示符的向量。但由于某些值可能存在于两个 bin 中，因此您不可能定义 bin 限制。但你可以这样做:

x <- rpois(50,5)
y <- EqualFreq2(x,15)
table(y)
split(x,y)

原答案:

您可以轻松使用 cut()为了这 :

EqualFreq <-function(x,n,include.lowest=TRUE,...){
    nx <- length(x)    
    id <- round(c(1,(1:(n-1))*(nx/n),nx))

    breaks <- sort(x)[id]
    if( sum(duplicated(breaks))>0 stop("n is too large.")

    cut(x,breaks,include.lowest=include.lowest,...)

}

这使 :

set.seed(12345)
x <- rnorm(50)
table(EqualFreq(x,5))

 [-2.38,-0.886] (-0.886,-0.116]  (-0.116,0.586]   (0.586,0.937]     (0.937,2.2] 
             10              10              10              10              10 

x <- rpois(50,5)
table(EqualFreq(x,5))

 [1,3]  (3,5]  (5,6]  (6,7] (7,11] 
    10     13     11      6     10 

如您所见，对于离散数据，在大多数情况下，最佳等分合并是不可能的，但这种方法为您提供了可能的最佳合并。