r - 在等长的 bin 中划分一系列值：cut vs cut2

Question

我正在使用 cut 函数将我的数据拆分为相等的 bin，它可以完成这项工作，但我对它返回值的方式不满意。我需要的是垃圾箱的中心，而不是上下两端。
我也尝试过使用cut2{Hmisc}，这给了我每个箱的中心，但它划分了箱中包含相同数量的观察值的数据范围，而不是相同的长度。

有人对此有解决方案吗？

Answer 1

用这样的东西自己做休息和标签并不难。在这里，由于中点是一个数字，我实际上并没有返回带有标签的因子，而是返回一个数字向量。

cut2 <- function(x, breaks) {
  r <- range(x)
  b <- seq(r[1], r[2], length=2*breaks+1)
  brk <- b[0:breaks*2+1]
  mid <- b[1:breaks*2]
  brk[1] <- brk[1]-0.01
  k <- cut(x, breaks=brk, labels=FALSE)
  mid[k]
}

可能有更好的方法来获取垃圾箱中断和中点；我没有仔细考虑。

请注意，这个答案与约书亚的不同；他给出了每个 bin 中数据的中位数，而这给出了每个 bin 的中心。

> head(cut2(x,3))
[1] 16.666667  3.333333 16.666667  3.333333 16.666667 16.666667
> head(ave(x, cut(x,3), FUN=median))
[1] 18  2 18  2 18 18

Answer 2

ave像这样使用：

set.seed(21)
x <- sample(0:20, 100, replace=TRUE)
xCenter <- ave(x, cut(x,3), FUN=median)

Answer 3

我们可以使用smart_cutfrom package cutr：

devtools::install_github("moodymudskipper/cutr")
library(cutr)

使用@Joshua 的样本数据：

按间隔的中位数（与@Joshua 相同的输出，除了它是一个有序因子）：

smart_cut(x,3, "n_intervals", labels= ~ median(.))
# [1] 18 2  18 2  18 18 ...
# Levels: 2 < 11 < 18

每个间隔的中心（与@Aaron 相同的输出，除了它是一个有序因子）：

smart_cut(x,3, "n_intervals", labels= ~ mean(.y))
# [1] 16.67 3.333 16.67 3.333 16.67 16.67 ...
# Levels: 3.333 < 10 < 16.67

按区间的平均值：

smart_cut(x,3, "n_intervals", labels= ~ mean(.))
# [1] 17.48 2.571 17.48 2.571 17.48 17.48 ...
# Levels: 2.571 < 11.06 < 17.48

labels可以像 in 一样是字符向量base::cut.default，但也可以是 2 个参数的函数，第一个是 bin 中包含的值，第二个是 bin 的切点。

更多关于 cutr 和 smart_cut