在R中替代Cut函数的方法

Question

我有一些数据的形式如下：

Person.ID    Household.ID    Composition 
   1             4593           1A_0C
   2             4992           2A_1C
   3             9843           1A_1C 
   4             8385           2A_2C  
   5             9823           8A_1C 
   6             3458           1C_9C 
   7             7485           2C_0C 
   :               :              :    

我们可以将组成变量看作成人/儿童的计数，例如2A_1C表示两个成人和两个儿童。

我想做的是减少可能的组成水平。对于第5个人，我们有8A_1C的组成，我正在寻找一种方法将其减少到4+A_0C。因此，例如，对于任何具有大于4A的组成值，我们将使用4+。

Person.ID     Household.ID     Composition 
    5             9823            4+A_1C
    6             3458             1A_4+C
    :               :                :

我不确定如何在R中做到这一点，我考虑使用dyplyr中的filter()或select(). 否则，我需要使用某种正则表达式。

感激任何帮助。谢谢！

- williamg15

---

如果您首先解析“Composition”字符串并将其分成两个数字列，一个用于成人数量，另一个用于儿童数量，那么这似乎会容易得多。然后，您可以将所有大于4的条目替换为“4 +”，并通过将其粘贴在一起转换回字符串。 - qdread

Answer 1

我们可以使用 gsub：

df$Composition <- gsub("(?<!\\d)([5-9]|\\d{2,})(?=[AC])", "4+", df$Composition, perl = TRUE)

假设连续的两个或更多数字代表的数始终大于4（即不存在01、02或001）。

  Person.ID Household.ID Composition
1         1         4593       1A_0C
2         2         4992       2A_1C
3         3         9843       1A_1C
4         4         8385       2A_2C
5         5         9823      4+A_1C
6         6         3458      1C_4+C
7         7         7485       2C_0C

- acylam

Answer 2

数据：

Person.ID <- c(1,2,3,4,5,6,7,8)
Household.ID <- c(4593,4992,9843,8385,9823,3458,7485)
Composition <- c("1A_0C","2A_1C","1A_1C","2A_2C","8A_1C","1A_9C","2A_0C")
dat <- tibble(Person.ID, Household.ID, Composition)

功能：

above4 <- function(f){
    ff <- gsub("[^0-9]","",f)
    if(ff>4){return("4+")}
    if(ff<=4){return(ff)}
}

应用函数（在分离的数据上完成，但可以重新组合）：

dat_ <- dat %>% tidyr::separate(., col=Composition, 
                           into=c("Adults", "Children"), 
                           sep="_") %>%
        dplyr::mutate(Adults_ = unlist(lapply(Adults,above4)), 
                         Children_ = unlist(lapply(Children,above4)))

你可以使用select和filter来获取所需的数据集。

dat_ %>% dplyr::mutate(Composition_ = paste0(Adults_, "A_", Children_, "C")) %>%
         dplyr::select(Person.ID, Household.ID, Composition=Composition_)

 # A tibble: 7 x 3
      Person.ID Household.ID Composition
          <dbl>        <dbl> <chr>
    1        1.        4593. 1A_0C
    2        2.        4992. 2A_1C
    3        3.        9843. 1A_1C
    4        4.        8385. 2A_2C
    5        5.        9823. 4+A_1C
    6        6.        3458. 1A_4+C
    7        7.        7485. 2A_0C

- bruce.moran