r - 在使用 `cut()` 合并数据后创建一个 `chr` 列标签

Question

我曾经cut()为我的一列数据创建容器。mtcars使用下面的可复制示例：

library(tidyverse)
df <- mtcars

df$mpg_binned <- cut(x = df$mpg, breaks = 4)
df <- df %>% select(mpg, mpg_binned, everything())
head(df)

#>                    mpg  mpg_binned cyl disp  hp drat    wt  qsec vs am
#> Mazda RX4         21.0 (16.3,22.1]   6  160 110 3.90 2.620 16.46  0  1
#> Mazda RX4 Wag     21.0 (16.3,22.1]   6  160 110 3.90 2.875 17.02  0  1
#> Datsun 710        22.8   (22.1,28]   4  108  93 3.85 2.320 18.61  1  1
#> Hornet 4 Drive    21.4 (16.3,22.1]   6  258 110 3.08 3.215 19.44  1  0
#> Hornet Sportabout 18.7 (16.3,22.1]   8  360 175 3.15 3.440 17.02  0  0
#> Valiant           18.1 (16.3,22.1]   6  225 105 2.76 3.460 20.22  1  0

使用新列mpg_binned（上图），我想创建一个新chr列作为 bin 的标签（当我为最终用户创建输出表时）。

所以我想要的输出就像

#>                    mpg  mpg_binned bin_label 
#> Mazda RX4         21.0 (16.3,22.1]   16.3 < mpg <= 22.1  
#> Mazda RX4 Wag     21.0 (16.3,22.1]   16.3 < mpg <= 22.1  
#> Datsun 710        22.8   (22.1,28]   22.1 < mpg <= 28  
#> Hornet 4 Drive    21.4 (16.3,22.1]   16.3 < mpg <= 22.1 

如果只有两个箱子，我会使用ifelse()--with multiple bins，我需要做一个嵌套的ifelse()吗？有没有更简单的？

出于某种原因，对于一个垃圾箱，我无法让下面的行工作。我正在寻找标记所有垃圾箱。

Tidyverse 解决方案会很棒，但我对所有解决方案持开放态度。

df$bin_label <- 
  ifelse(df2$mpg_binned=="(16.3,22.1]", yes = "16.3 < mpg <= 22.1", no = df2$mpg_binned)

标签： rtidyverse

Answer 1

由于我们事先不知道breaks要划分的确切数据是什么，因此一种选择是使用正则表达式来提取数字。所以对于mpg列，我们可以做

sub("\\((\\d+\\.?\\d?),(\\d+\\.?\\d?).*", "\\1 < mpg <= \\2", df$mpg_binned)
#[1] "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" "22.1 < mpg <= 28"  
#    "16.3 < mpg <= 22.1" "16.3 < mpg <= 22.1" ......

这将避免编写多个ifelse语句，因为它可以随着数量的breaks增加而增长。

---

对于我们想要对提取的数字执行一些数学运算的更新案例，我们可能需要单独提取数字。

library(dplyr)

df %>%
  mutate(first_part =  sub("\\((\\d+\\.?\\d?).*", "\\1", mpg_binned), 
         second_part = as.numeric(sub(".*,(\\d+\\.?\\d?).*", "\\1", mpg_binned)) - 1) %>%
  tidyr::unite(combined, first_part, second_part, sep = "< mpg <= ")


#   mpg cyl  disp  hp drat    wt  qsec vs am gear carb  mpg_binned          combined
#1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 (16.3,22.1] 16.3< mpg <= 21.1
#2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 (16.3,22.1] 16.3< mpg <= 21.1
#3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1   (22.1,28]   22.1< mpg <= 27
#4  21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1 (16.3,22.1] 16.3< mpg <= 21.1
#5  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2 (16.3,22.1] 16.3< mpg <= 21.1
#...