如何根据 R 中的直方图桶对数据进行分类？

Posted 2023-02-14

【中文标题】如何根据 R 中的直方图桶对数据进行分类？

【英文标题】：How can I categorize my data based on histogram buckets in R?

【发布时间】：2022-01-18 22:52:24

【问题描述】：

我有一个从 my.data 内的 obsoleteness 列生成的直方图

his.obsoleteness <- (ggplot(my.data, aes(x=obsoleteness)) 
  + geom_histogram(bins = 15,fill = "white", color="Red" )
  + stat_bin(aes(y=..count.., label=..count..), geom="text",bins = 15))  

我想向my.data 添加一个新列，表示“桶号”。例如，如果第一个（最小桶）中的一行，该列的值应为 1，如果它在第二个桶中，则该值应为 2，依此类推。除了手动为每个桶间隔分配值之外，还有其他简单的方法吗？

【问题讨论】：

您可以发布您的数据吗？

我应该如何发布它？它只是一列数值？

尝试使用dput(yourdata) 或使用dput(head(your data, n) 创建n 值的子集，您是说bin 而不是“bucket”吗？

我想你在找 ?cut

【参考方案1】：

由于 bins 按等宽分组数据，您可以尝试：

# sample data
my.data <- data.frame(obsoleteness = sample(1:10000, 1000, replace = T))

bins <- 15

my.data$bin <- findInterval(my.data$obsoleteness,
                            quantile(my.data$obsoleteness, 
                                     probs = seq(0, 1, by = 1/bins)))

# > head(my.data,10)
#   obsoleteness bin
#1          4101   7
#2          1702   3
#3          6354  10
#4          7710  12
#5          3575   6
#6          2686   5
#7          6598  10
#8          6983  11
#9          9414  15
#10         9431  15