在data.frame中将月份“因子”分类为时间段

Question

最新情况(初步问题如下)

多亏了@akrun和@ulfelder，我才意识到我最初的例子不够复杂，因为我只有一年时间。涵盖几年的数据可能更现实，对其他人也更有用。

相反，我的数据是，

df <- structure(list(yr_month = structure(1:7, .Label = c("2014-1", "2014-2", 
"2014-3", "2015-4", "2016-4", "2016-6", "2017-7"), class = "factor"), 
    a = c(4.14, 2.83, 3.71, 4.15, 4.63, 4.91, 5.31), b = c(4.25, 
    3.5, 3.5, 3.5, 3.5, 3.5, 5)), .Names = c("yrQ", "a", "b"
), row.names = c(NA, 7L), class = "data.frame")
df
#      yrQ    a    b
# 1 2014-1 4.14 4.25
# 2 2014-2 2.83 3.50
# 3 2014-3 3.71 3.50
# 4 2015-4 4.15 3.50
# 5 2016-4 4.63 3.50
# 6 2016-6 4.91 3.50
# 7 2017-7 5.31 5.00

我想在2014年3月之前，2014-3年，2014-3年和2016-4年之间，再到2016-4年之后，对一个类别进行分类。所以我得到了这样的东西，

#   yr.cat    yrQ    a    b
# 1    "A" 2014-1 4.14 4.25
# 2    "A" 2014-2 2.83 3.50
# 3    "B" 2014-3 3.71 3.50
# 4    "B" 2015-4 4.15 3.50
# 5    "B" 2016-4 4.63 3.50
# 6    "C" 2016-6 4.91 3.50
# 7    "C" 2017-7 5.31 5.00

初始问题

假设我有这样的数据集，

df <- structure(list(yr_month = structure(1:7, .Label = c("2016-1", "2016-2", 
"2016-3", "2016-4", "2016-5", "2016-6", "2016-7"), class = "factor"), 
    a = c(4.14, 2.83, 3.71, 4.15, 4.63, 4.91, 5.31), b = c(4.25, 
    3.5, 3.5, 3.5, 3.5, 3.5, 5)), .Names = c("yrQ", "a", "b"
), row.names = c(NA, 7L), class = "data.frame")
df
#      yrQ    a    b
# 1 2016-1 4.14 4.25
# 2 2016-2 2.83 3.50
# 3 2016-3 3.71 3.50
# 4 2016-4 4.15 3.50
# 5 2016-5 4.63 3.50
# 6 2016-6 4.91 3.50
# 7 2016-7 5.31 5.00

现在，我可以使用ifelse()对a数值变量进行分类。像这样，

df$a.cat <- ifelse(df$a < 3.8, c("tiny"), ifelse(df$a < 4.8, c("medium"), c("huge")) )
df
#      yrQ    a    b  a.cat
# 1 2016-1 4.14 4.25 medium
# 2 2016-2 2.83 3.50   tiny
# 3 2016-3 3.71 3.50   tiny
# 4 2016-4 4.15 3.50 medium
# 5 2016-5 4.63 3.50 medium
# 6 2016-6 4.91 3.50   huge
# 7 2016-7 5.31 5.00   huge

但是，如果我想要设置一个表示某个时间段的变量，该怎么办。比如2016年3月之前，2016-3，2016-3和2016-5之间，2016-5之后。我意识到我可以将数据转换为ts，然后使用window()将其剪切起来，然后将其重新组合起来，但是是否有更明智的方法在yrQ上使用if there实现这样的功能呢？

就像我想说的那样，

  yr.cat    yrQ    a    b
1    "A" 2016-1 4.14 4.25
2    "A" 2016-2 2.83 3.50
3    "B" 2016-3 3.71 3.50
4    "B" 2016-4 4.15 3.50
5    "B" 2016-5 4.63 3.50
6    "C" 2016-6 4.91 3.50
7    "C" 2016-7 5.31 5.00

Answer 1

我们可以在从‘cut’中提取月份子字符串之后使用yrQ

df$yr.cat <- cut(as.numeric(sub(".*-", "", df$yrQ)), 
               breaks = c(-Inf,2, 5, Inf), labels = LETTERS[1:3])
df$yr.cat
#[1] A A B B B C C
#Levels: A B C

基于更新的示例

cut(as.numeric(sub("-", ".", df$yrQ)),
       breaks = c(-Inf, 2014.2, 2016.5, Inf), labels = LETTERS[1:3])
#[1] A A B B B C C
#Levels: A B C

Answer 2

问题中提供的输入数据似乎不一致，指的是数据结构中不同点上与yrQ和yr_month相同的列。我们假设这个输入是相同的，只是我们用yrQ替换了.Names中的yr_month (这意味着年份/qtr，而不是年份/月)，以保持与list()中显示的同名的一致性。

df <- structure(list(yr_month = structure(1:7, .Label = c("2014-1", "2014-2", 
"2014-3", "2015-4", "2016-4", "2016-6", "2017-7"), class = "factor"), 
    a = c(4.14, 2.83, 3.71, 4.15, 4.63, 4.91, 5.31), b = c(4.25, 
    3.5, 3.5, 3.5, 3.5, 3.5, 5)), .Names = c("yr_month", "a", "b"
), row.names = c(NA, 7L), class = "data.frame")

问题中的示例数据只有一个数字的月份，但是我们假设它需要工作，即使有一个1位数(Jan，Feb，…，Sep)和2位数(10月，11月，12月)的混合月份。

1)转换为"yearmon"类(如果需要使用此列进行其他操作，这也可能有所帮助)，并对每个切点进行比较，并将它们相加，得到一个数字0、1或2，分别表示在前面、之间和之后。然后添加1并将其用作类别名称向量的下标(此处为LETTERS)。只要添加更多的比较项，就可以将其扩展到更多的类别。

library(zoo)

df$yr_month <- as.yearmon(df$yr_month) ##
transform(df, yr.cat = LETTERS[ (yr_month >= "2014-03") + (yr_month > "2016-04") + 1])

给予：

  yr_month    a    b yr.cat
1 Jan 2014 4.14 4.25      A
2 Feb 2014 2.83 3.50      A
3 Mar 2014 3.71 3.50      B
4 Apr 2015 4.15 3.50      B
5 Apr 2016 4.63 3.50      B
6 Jun 2016 4.91 3.50      C
7 Jul 2017 5.31 5.00      C

2)在没有任何包的情况下将(1)中标记为##的行更改为下面的代码行。在这里，我们将yr_month转换为"Date"类，然后删除其字符表示的日期部分。这将为月份留出2位数，以便将1和2位数的月份进行比较。(在(1) "yearmon"类中自动处理。)

df$yr_month <- sub("...$", "", as.Date(paste0(df$yr_month, -1)))

修改后的做了一些修改。