未分割列表、合并因素

Question

I have the following data frame in R:

  c1 c2  
1 10  a  
2 20  a  
3 30  b  
4 40  b

然后我按以下方式进行split：z = lapply(split(test$c1, test$c2), function(x) {cut(x,2)})。此时，z如下：

$a  
[1] (9.99,15] (15,20]  
Levels: (9.99,15] (15,20]

$b  
[1] (30,35] (35,40]
Levels: (30,35] (35,40]  

我希望能将这些因素合并回来，通过取消列表的分裂 unsplit(z, test$c2)。这会生成一个警告：

[1] (9.99,15] (15,20]   <NA>      <NA>     
Levels: (9.99,15] (15,20]
Warning message:
In `[<-.factor`(`*tmp*`, i, value = 1:2) :
  invalid factor level, NAs generated

我想将所有因子水平取并集，然后解除分裂，以避免出现此错误：

z$a = factor(z$a, levels=c(levels(z$a), levels(z$b)))
unsplit(z, test$c2)
[1] (9.99,15] (15,20]   (30,35]   (35,40]  
Levels: (9.99,15] (15,20] (30,35] (35,40]    

在我的实际数据框中，我有一个非常大的列表，因此我需要迭代所有列表元素（不仅仅是两个）。做到这一点最好的方法是什么？

- Alex

Answer 1

你能不能直接使用unlist()来处理z？

> unlist(z)
       a1        a2        b1        b2 
(9.99,15]   (15,20]   (30,35]   (35,40] 
Levels: (9.99,15] (15,20] (30,35] (35,40]

或者在结果因子上不使用名称：

> unlist(z, use.names=FALSE)
[1] (9.99,15] (15,20]   (30,35]   (35,40]  
Levels: (9.99,15] (15,20] (30,35] (35,40]

您可以将所有内容合并成一个简单的一行代码，无需添加任何附加包：

> (test2 <- within(test, newvar <- unlist(lapply(split(c1, c2), cut, 2))))
  c1 c2    newvar
1 10  a (9.99,15]
2 20  a   (15,20]
3 30  b   (30,35]
4 40  b   (35,40]

- Gavin Simpson

---

我认为下面的答案让我的代码变得非常简单。虽然你的方法也很好，但我只需要将它添加到数据框中即可。谢谢你的帮助！-Alex - Alex

@Alex，你之前并没有明确表示你想把这个结果放回原始数据中。我更新了我的答案，大大简化了整个过程——只需一行代码即可完成你想要的所有操作，无需额外的包等。 - Gavin Simpson

我稍微偏爱(test2 <- transform(test, newvar = unlist(lapply(split(c1, c2), cut, 2)))) [但你的代码更短一些] - Ben Bolker

我有一个问题想问大家：我想聚合这些因子，以便使用 cut 切分成的两个桶可以得到相同的处理。 目前，cut 为每个日期生成两个不同的间隔。 我希望它为每个日期生成两个“桶”，无论日期如何都可以得到相同的处理。 有什么好办法可以做到这一点吗？ 我尝试过使用 function(x) {z <- cut(x,2); levels(z)<-c("bucket1", "bucket2")} 而不是使用 cut，但似乎不起作用。 谢谢！ - Alex

看起来在 cut 函数中使用标签可以让我做到这一点。 - Alex

Answer 2

如果我正确理解了你的问题，那么我认为你把问题想得太复杂了。这里提供一种使用plyr的解决方案。我们将按c2变量进行分组：

require(plyr)
ddply(test, "c2", transform, newvar = cut(c1, 2))

返回：

  c1 c2    newvar
1 10  a (9.99,15]
2 20  a   (15,20]
3 30  b   (30,35]
4 40  b   (35,40]

并且具有以下结构：

'data.frame':   4 obs. of  3 variables:
 $ c1    : num  10 20 30 40
 $ c2    : Factor w/ 2 levels "a","b": 1 1 2 2
 $ newvar: Factor w/ 4 levels "(9.99,15]","(15,20]",..: 1 2 3 4

- Chase

---

是的，这正是我想做的。非常感谢你的帮助！-Alex - Alex