Como realizar agrupamento de dados em r: com exemplos

Você pode usar um dos dois métodos para realizar o agrupamento de dados em R:

Método 1: use a função cut()

 library (dplyr)

#perform binning with custom breaks
df %>% mutate(new_bin = cut(variable_name, breaks=c(0, 10, 20, 30)))

#perform binning with specific number of bins
df %>% mutate(new_bin = cut(variable_name, breaks= 3 ))

Método 2: use a função ntile()

 library (dplyr)

#perform binning with specific number of bins
df %>% mutate(new_bin = ntile(variable_name, n= 3 ))

Os exemplos a seguir mostram como usar cada método na prática com o seguinte quadro de dados:

 #create data frame
df <- data. frame (points=c(4, 4, 7, 8, 12, 13, 15, 18, 22, 23, 23, 25),
                 assists=c(2, 5, 4, 7, 7, 8, 5, 4, 5, 11, 13, 8),
                 rebounds=c(7, 7, 4, 6, 3, 8, 9, 9, 12, 11, 8, 9))

#view head of data frame
head(df)

  points assists rebounds
1 4 2 7
2 4 5 7
3 7 4 4
4 8 7 6
5 12 7 3
6 13 8 8

Exemplo 1: Realize o agrupamento de dados com a função cut()

O código a seguir mostra como realizar o agrupamento de dados na variável points usando a função cut() com marcas de quebra específicas:

 library (dplyr)

#perform data binning on variable points
df %>% mutate(points_bin = cut(points, breaks=c(0, 10, 20, 30)))

   points assists rebounds points_bin
1 4 2 7 (0.10]
2 4 5 7 (0.10]
3 7 4 4 (0.10]
4 8 7 6 (0.10]
5 12 7 3 (10.20]
6 13 8 8 (10.20]
7 15 5 9 (10.20]
8 18 4 9 (10.20]
9 22 5 12 (20.30]
10 23 11 11 (20.30]
11 23 13 8 (20.30]
12 25 8 9 (20.30]

Observe que cada linha no quadro de dados foi colocada em um dos três grupos com base no valor da coluna de pontos.

Também poderíamos especificar o número de saltos a serem usados para criar caixas de igual largura indo do valor mínimo ao valor máximo da coluna de pontos :

 library (dplyr)

#perform data binning on variable points
df %>% mutate(points_bin = cut(points, breaks= 3 ))

   points assists rebounds points_bin
1 4 2 7 (3.98.11]
2 4 5 7 (3.98.11]
3 7 4 4 (3.98.11]
4 8 7 6 (3.98.11]
5 12 7 3 (11.18]
6 13 8 8 (11.18]
7 15 5 9 (11.18]
8 18 4 9 (11.18]
9 22 5 12 (18.25]
10 23 11 11 (18.25]
11 23 13 8 (18.25]
12 25 8 9 (18.25]

Exemplo 2: Execute o agrupamento de dados com a função ntile()

O código a seguir mostra como realizar o agrupamento de dados na variável points usando a função ntile() com um número específico de grupos resultantes:

 library (dplyr)

#perform data binning on variable points
df %>% mutate(points_bin = ntile(points, n= 3 ))

   points assists rebounds points_bin
1 4 2 7 1
2 4 5 7 1
3 7 4 4 1
4 8 7 6 1
5 12 7 3 2
6 13 8 8 2
7 15 5 9 2
8 18 4 9 2
9 22 5 12 3
10 23 11 11 3
11 23 13 8 3
12 25 8 9 3

Observe que cada linha recebeu uma caixa de 1 a 3 com base no valor da coluna de pontos .

É melhor usar a função ntile() quando desejar que um valor inteiro seja exibido em cada linha em vez de um intervalo indicando o intervalo da caixa.

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:

Como substituir condicionalmente valores no quadro de dados em R
Como calcular uma média aparada em R
Como calcular a média condicional em R