web-dev-qa-db-ja.com

年齢をグループ/ビン/休憩に分類するRコード

年齢が連続しないように、年齢をグループに分類しようとしています。私はこのコードを持っています：

data$agegrp(data$age>=40 & data$age<=49) <- 3
data$agegrp(data$age>=30 & data$age<=39) <- 2
data$agegrp(data$age>=20 & data$age<=29) <- 1

上記のコードは、サバイバルパッケージでは機能しません。それは私に与えています：

invalid function in complex assignment

エラーの場所を教えていただけますか？ dataは、使用しているデータフレームです。

rhistogrambinningcategorizationbins
16
leian

ここではfindInterval()を使用します。

まず、サンプルデータを作ります

_set.seed(1)
ages <- floor(runif(20, min = 20, max = 50))
ages
# [1] 27 31 37 47 26 46 48 39 38 21 26 25 40 31 43 34 41 49 31 43
_

「年齢」ベクトルを分類するには、findInterval()を使用します。

_findInterval(ages, c(20, 30, 40))
# [1] 1 2 2 3 1 3 3 2 2 1 1 1 3 2 3 2 3 3 2 3
_

あるいは、コメントで推奨されているように、cut()もここで役立ちます。

_cut(ages, breaks=c(20, 30, 40, 50), right = FALSE)
cut(ages, breaks=c(20, 30, 40, 50), right = FALSE, labels = FALSE)
_
32
A5C1D2H2I1M1N2O1R2T1

この回答は、data.tableパッケージを使用して問題を解決する2つの方法を提供します。これにより、プロセスの速度が大幅に向上します。これは、大きなデータセットを扱う場合に重要です。

1sアプローチ：以前の回答の適応ですが、現在data.table + labelsを使用しています：

library(data.table)

agebreaks <- c(0,1,5,10,15,20,25,30,35,40,45,50,55,60,65,70,75,80,85,500)
agelabels <- c("0-1","1-4","5-9","10-14","15-19","20-24","25-29","30-34",
               "35-39","40-44","45-49","50-54","55-59","60-64","65-69",
               "70-74","75-79","80-84","85+")

setDT(data)[ , agegroups := cut(age, 
                                breaks = agebreaks, 
                                right = FALSE, 
                                labels = agelabels)]

2番目のアプローチ：これはより冗長な方法ですが、各年齢層に正確に何が含まれるかをより明確にします。

setDT(data)[age <1, agegroup := "0-1"]
data[age >0 & age <5, agegroup := "1-4"]
data[age >4 & age <10, agegroup := "5-9"]
data[age >9 & age <15, agegroup := "10-14"]
data[age >14 & age <20, agegroup := "15-19"]
data[age >19 & age <25, agegroup := "20-24"]
data[age >24 & age <30, agegroup := "25-29"]
data[age >29 & age <35, agegroup := "30-34"]
data[age >34 & age <40, agegroup := "35-39"]
data[age >39 & age <45, agegroup := "40-44"]
data[age >44 & age <50, agegroup := "45-49"]
data[age >49 & age <55, agegroup := "50-54"]
data[age >54 & age <60, agegroup := "55-59"]
data[age >59 & age <65, agegroup := "60-64"]
data[age >64 & age <70, agegroup := "65-69"]
data[age >69 & age <75, agegroup := "70-74"]
data[age >74 & age <80, agegroup := "75-79"]
data[age >79 & age <85, agegroup := "80-84"]
data[age >84, agegroup := "85+"]

2つのアプローチは同じ結果をもたらすはずですが、私は2つの理由から最初のアプローチを優先します。 （a）書く方が短く、（2）年齢層が正しい方法で並べられている。これは、データを視覚化する場合に重要です。

8
rafa.pereira

あなたの年齢がageというラベルの付いたデータフレーム列に格納されていたとしましょう。データフレームはdfであり、新しい列age_groupingには、年齢が該当する「バケット」が含まれています。

この例では、年齢の範囲が0-> 100であり、それらを10年ごとにグループ化するとします。次のコードは、これらの間隔を新しいage grouping列に格納することでこれを実現します。

df$age_grouping <- cut(df$age, c(0:100, 10))
1
Marquistador
myData$age_grp <- myData$age
myData$age_grp <- ifelse((myData$age>=10 & myData$age<=18) , 'minnor',myData$age_grp)
myData$age_grp <- ifelse((myData$age>18 & myData$age<=21) , 'junior',myData$age_grp)
myData$age_grp <- ifelse((myData$age>21 & myData$age<=25) , 'major_1',myData$age_grp)
myData$age_grp <- ifelse((myData$age>25 & myData$age<=30) , 'major_2',myData$age_grp)
myData$age_grp <- ifelse((myData$age>30 & myData$age<=40) , 'major_3',myData$age_grp)
myData$age_grp <- ifelse((myData$age>40 & myData$age<=55) , 'major_4',myData$age_grp)
myData$age_grp <- ifelse((myData$age>55) , 'minnor',myData$age_grp)
myData$age_grp<-as.factor(myData$age_grp)
summary(myData$age_grp)
library(dplyr)
myData <- select(myData, -(age) )
1
user2458922