在相等长度的区间中划分一系列值:cut vs cut2

Question

我正在使用cut函数将我的数据拆分为相同的bin,它可以完成工作,但我对它返回值的方式不满意.我需要的是箱子的中心而不是上端和下端.
我也尝试过使用cut2{Hmisc},这给了我每个箱子的中心,但是它在包含相同数量的观察的箱子中划分数据范围,而不是长度相同.

有人有解决方案吗？

Answer 1

用这样的东西来制作休息和标签并不难.这里由于中点是单个数字,我实际上并不返回带标签的因子,而是返回数字向量.

cut2 <- function(x, breaks) {
  r <- range(x)
  b <- seq(r[1], r[2], length=2*breaks+1)
  brk <- b[0:breaks*2+1]
  mid <- b[1:breaks*2]
  brk[1] <- brk[1]-0.01
  k <- cut(x, breaks=brk, labels=FALSE)
  mid[k]
}

可能有更好的方法来获得bin中断和中点; 我没想到这很难.

请注意,这个答案与约书亚的答案不同; 他给出了每个箱子中数据的中位数,而这给出了每个箱子的中心.

> head(cut2(x,3))
[1] 16.666667  3.333333 16.666667  3.333333 16.666667 16.666667
> head(ave(x, cut(x,3), FUN=median))
[1] 18  2 18  2 18 18

Answer 2

使用ave如下:

set.seed(21)
x <- sample(0:20, 100, replace=TRUE)
xCenter <- ave(x, cut(x,3), FUN=median)