如何根据列的最小值和最大值对列进行分箱

Question

我有一个数据集，当我评分时需要将其从连续尺度转换为分类尺度。每个值将根据该列的最小值和最大值以 10 个间隔放入这些类别之一。因此，如果最小值 = 1，最大值 = 100，则将有 10 个类别，因此 1-10 = 1、11-20 = 2、21-30 = 3、...、91-100 = 10 中的任何值。这是我的数据

df <- as.data.frame(cbind(test1 = sample(13:52, 15),
                          test2 = sample(16:131, 15)))
> df
   test1 test2
1     44   131
2     26    83
3     74    41
4      6    73
5     83    20
6     63   110
7     23    29
8     42    64
9     41    40
10    10    96
11     2    39
12    14    24
13    67    30
14    51    59
15    66    37

到目前为止我有一个函数：

trail.bin <- function(data, col, min, max) {
  for(i in 1:10) {
    for(e in 0:9) {
      x <- as.data.table(data)
      mult <- (max - min)/10
      x[col >= min+(e*mult) & col < min+(i*mult), 
        col := i]
    }
  }
  return(x)
}

我想做的是取最小值和最大值，找到间隔的间距（mult），然后在 data.table 参考语法上使用两个循环。我希望的结果是：

df2
   test1 test2
1      5   131
2      3    83
3      8    41
4      1    73
5      9    20
6      7   110
7      3    29
8      5    64
9      5    40
10     2    96
11     1    39
12     2    24
13     7    30
14     6    59
15     7    37

谢谢！

Answer 1

您可以使用 cut

创建函数

library(data.table)

trail.bin <- function(data, col, n) {
  data[, (col) := lapply(.SD, cut, n, labels = FALSE), .SDcols = col]
  return(data)
}

setDT(df)
trail.bin(df, 'test1', 10)

你也可以传递多列

trail.bin(df, c('test1', 'test2'), 10)

如何根据列的最小值和最大值对列进行分箱

How to bin columns based on the minimum and maximum of a column

r

function

dataframe

data.table

bin