在 R 中，如何使用各种条件将数字列变为一个新列？

Posted 2023-02-19

【中文标题】在 R 中，如何使用各种条件将数字列变为一个新列？

【英文标题】：In R how to mutate a numeric column into one new column using various conditions?

【发布时间】：2021-11-25 13:06:17

【问题描述】：

我正在尝试根据原始列的值在数据框中创建一个新列，其中根据值的不同条件将其分为四组。我不知道该怎么做！

假设具有分数（数值 0-1000）的列作为较大数据帧的一部分。

我想根据以下条件创建一个新的列分组：

那些得分为 0 的人 介于 0 和第 33 个百分位之间的那些 介于第 33 和第 66 个百分位之间的人 介于 66% 和 100% 之间的那些

我希望新列类似于“Score_status”，并根据上述条件将它们标记为“无”、“低”、“中”、“高”。需要忽略所有 0 来计算百分位数，因为当拆分为分位数时，Q1 和 Q2 都是 0，因此试图创建这个新列来查看分数 0 之外的数据分布（这是针对 Kaplan-Meier 的）。

希望有人能帮忙！我不知道该怎么做。

谢谢。

【问题讨论】：

如果您创建一个小的可重现示例以及预期的输出，这将更容易提供帮助。阅读how to give a reproducible example。

【参考方案1】：

这是使用cut 的一种方法。创建一个索引idx，它将包含要从百分位数评估中省略的 0 值的行号。下面是一个包含随机数据的简单示例（一个值为零）。

set.seed(42)

df <- data.frame(
  var = sample(0:9, 10)
)

idx <- df$var != 0

df$score_status <- factor(NA_character_, levels = c("none", "low", "middle", "high"))

df$score_status[idx] <- cut(
  df$var[idx],
  breaks = quantile(df$var[idx], probs = c(0, 1/3, 2/3, 1)), 
  include.lowest = TRUE,
  labels = c("low", "middle", "high")
)

df$score_status[!idx] <- "none"

df

输出

   var score_status
1    0         none
2    4       middle
3    9         high
4    7         high
5    1          low
6    3          low
7    5       middle
8    8         high
9    6       middle
10   2          low

【参考方案2】：

您可以编写一个将值映射到标签的函数。这允许您计算函数中数据子集的切点。

一个（低效）实现的例子：

cut_with_none <- function(x, none_value, none_label, quant, break_labels) 
  y <- x == none_value
  q_val <- quantile(x[!y], quant)
  res <- vector(mode = "character", length = length(x))
  for(i in rev(seq_along(q_val))) 
    res[x <= q_val[i]] <- break_labels[i]
  
  
  res[y] <- none_label
  
  res

地点：

none_value：要标记为无的值 none_label：无值的标签 quant：一个介于 0 和 1 之间的数值向量传递给 quantile 以计算中断值 break_labels：名称向量与标签的量化向量一样长。

您可以使用 mutate 轻松地将您的列添加到该函数中。

以随机数据为例：

tibble(subject = sample(letters[1:3], 10, replace = TRUE),
           value = rgeom(10, 0.5)) %>% 
  mutate(label_value = cut_with_none(value, 0, "none", 
                                     quant = c(1/3, 2/3, 1),
                                     break_labels = c("low", "middle", "high")))

希望即使它一点也不优雅也能做到这一点。