R cut函数以中位数作为标签而不是界限

Question

是否可以使用 R cut() 函数以中值作为标签而不是剪切“bin”？

这是我当前的代码:

> hists <- lapply(data, cut, 100)
> table <- lapply(hists, table)
> head(table$V2)

(0.442,0.892]   (0.892,1.3]    (1.3,1.71]   (1.71,2.12]   (2.12,2.53] 
            1             4             5             7            17 

我想要的是:

 > head(table$V2)

0.667   1.096    1.505   1.915   2.325 
   1       4       5       7       17 

我尝试过类似的方法:

hists <- lapply(data, cut, 100, labels=(max(x)-min(x))/100)

但不知道如何指定 lapply 正在使用的数据帧部分(因为每个向量都有不同的最小值和最大值)。有更简单的方法吗？

Answer 1

你的尝试已经不远了。

关键是在lapply中你可以定义一个自定义函数。使用此功能可以为列表中的每个数据框创建自定义标签。

您希望将五分位数的中位数作为标签。您可以通过将 quantile 函数与 0.1, 0.3, 0.5, 0.7, 0.9(五分位数的中位数)等序列结合使用来实现此目的:

quants <- seq(0.1, 1, by = 0.2)
hists  <- lapply(data, function(x) cut(x, 5, labels=quantile(x, quants)))

注意:如果您想要 100 个中断而不是 5 个，只需将 quants 更改为 seq(0.005, 1, by = 0.01) 并更改 中的 5 cut() 到 100

PS:永远不要在 R 中使用 data 作为名称，因为名称 data 实际上已经为 R 中的其他内置事物保留了R。而是使用 df 左右。