我有一个大数据框架,我想根据条件对同一组中的年龄进行分类。下面是一个示例:
假设我有以下数据帧:
HHID Sex Age
112 1 14
112 1 15
112 2 17
112 2 19
113 2 50
113 2 51
113 2 51对于每个(hhid +性别)组,我想创建一个基于以下条件的agegrp变量:如果每行之间的年龄相差超过2岁,则将它们分类到不同的组中。否则,将它们放在同一类别中。这是我想要的:
HHID Sex Age Agegrp
112 1 14 14
112 1 15 14
112 2 17 17
112 2 19 17
113 2 50 50
113 2 51 50
113 2 51 50与这个例子相比,我拥有的数据集真的很大。因此,我正在寻找一个通用的解决方案。
发布于 2016-07-21 00:46:16
我会编写一个快速的organize函数,然后选择base R、dplyr或data.table来实现它。无论您喜欢哪一个:
organize <- function(v, threshold=2) v[cumsum(c(TRUE, diff(v) > threshold))]
#base (no packages)
df1$Agegrp <- with(df1, ave(Age, HHID, Sex, FUN=organize))
#dplyr
library(dplyr)
df1 %>% group_by(HHID, Sex) %>%
mutate(Agegrp = organize(Age))
#data.table
library(data.table)
setDT(df1)[, organize(Age), by=.(HHID, Sex)]发布于 2016-08-16 02:37:11
上面建议的组织功能是一个很好的想法。但是,如果相同的年龄重复15年,并更改为与前一个年龄相差大于2的其他年龄,则cumsum函数无法正确定位年龄的位置。我编写了以下函数来解决此问题:
organize = function(v, threshold=2) v[rep.int(which(c(TRUE, diff(v) > threshold)==TRUE), c(diff(which(c(TRUE, diff(v) > threshold)==TRUE)),1))] 这个函数给我想要的输出和一个警告。警告是“要替换的项数不是替换长度的倍数”。现在正在努力摆脱警告,任何帮助都是非常感谢的。
https://stackoverflow.com/questions/38485983
复制相似问题