从包含r中的数字和字符的列中创建间隔类别

Question

假设我有下面的数据，我想添加列c，这样如果列b只包含正或负的值，我就有<0, 0, 0-3, >3类别，否则列c中的类别将是b列所包含的任何类别。

df <- data.frame(a= 1:14,
b= c(-1,-10,-2,0,0,2,1,4,10,12,6, "apple", "apple", "Orange"))
df 
a      b
1   1     -1
2   2    -10
3   3     -2
4   4      0
5   5      0
6   6      2
7   7      1
8   8      4
9   9     10
10 10     12
11 11      6
12 12  apple
13 13  apple
14 14 Orange

df2
a      b      c
1   1     -1     <0
2   2    -10     <0
3   3     -2     <0
4   4      0      0
5   5      0      0
6   6      2    0-3
7   7      1    0-3
8   8      4     >3
9   9     10     >3
10 10     12     >3
11 11      6     >3
12 12  apple  apple
13 13  apple  apple
14 14 Orange Orange

我正在尝试应用case_when和cut。我得到了我需要的结果。我将非常感谢任何帮助和提示。

df %>%
mutate(c = case_when( b %in% grepl("apple|orange", b) ~ b),
TRUE ~ cut(as.numeric(b),
breaks = c(-999, 0, 1, 4, 999),
labels = c("<0", "0", "0-3", ">3"),
right = F)) 

Answer 1

最好将数字从非数字中提取出来，并分别进行处理。在base R中，我们可以对每个

子集执行两次赋值操作。

i1 <- grepl("^-?[0-9]+$", df$b)
df$c[i1] <- as.character(cut(as.numeric(df$b[i1]), 
breaks = c(-999, 0, 1, 4, 999), labels = c("<0", "0", "0-3", ">3"), right = FALSE))
df$c[!i1] <- df$b[!i1]

与产出

> df
a      b      c
1   1     -1     <0
2   2    -10     <0
3   3     -2     <0
4   4      0      0
5   5      0      0
6   6      2    0-3
7   7      1    0-3
8   8      4     >3
9   9     10     >3
10 10     12     >3
11 11      6     >3
12 12  apple  apple
13 13  apple  apple
14 14 Orange Orange

---

如果我们想使用dplyr

library(dplyr)
df %>%
mutate(c = coalesce(case_when( !grepl("apple|orange", b)  ~ as.character(cut(as.numeric(b),
breaks = c(-999, 0, 1, 4, 999),
labels = c("<0", "0", "0-3", ">3"),
right = FALSE))), b))

与产出

a      b      c
1   1     -1     <0
2   2    -10     <0
3   3     -2     <0
4   4      0      0
5   5      0      0
6   6      2    0-3
7   7      1    0-3
8   8      4     >3
9   9     10     >3
10 10     12     >3
11 11      6     >3
12 12  apple  apple
13 13  apple  apple
14 14 Orange Orange

注意:case_when或ifelse对整个数据应用函数，所以当我们执行as.numeric时，非数字元素被强制到NA，因此第一个选项被覆盖。相反，使用replace或coalesce,b列在case_when

之后。