Erreur Cut () - les 'pauses' ne sont pas uniques
J'ai le dataframe suivant:
a
ID a.1 b.1 a.2 b.2
1 1 40.00 100.00 NA 88.89
2 2 100.00 100.00 100 100.00
3 3 50.00 100.00 75 100.00
4 4 66.67 59.38 NA 59.38
5 5 37.50 100.00 NA 100.00
6 6 100.00 100.00 100 100.00
Lorsque j'applique le code suivant à ce dataframe:
temp <- do.call(rbind,strsplit(names(df)[-1],".",fixed=TRUE))
dup.temp <- temp[duplicated(temp[,1]),]
res <- lapply(dup.temp[,1],function(i) {
breaks <- c(-Inf,quantile(a[,paste(i,1,sep=".")], na.rm=T),Inf)
cut(a[,paste(i,2,sep=".")],breaks)
})
La fonction cut () donne une erreur:
Error in cut.default(a[, paste(i, 2, sep = ".")], breaks) :
'breaks' are not unique
Cependant, le même code fonctionne parfaitement sur un dataframe similaire:
varnames<-c("ID", "a.1", "b.1", "c.1", "a.2", "b.2", "c.2")
a <-matrix (c(1,2,3,4, 5, 6, 7), 2,7)
colnames (a)<-varnames
df<-as.data.frame (a)
ID a.1 b.1 c.1 a.2 b.2 c.2
1 1 3 5 7 2 4 6
2 2 4 6 1 3 5 7
res <- lapply(dup.temp[,1],function(i) {
breaks <- c(-Inf,quantile(a[,paste(i,1,sep=".")], na.rm=T),Inf)
cut(a[,paste(i,2,sep=".")],breaks)
})
res
[[1]]
[1] (-Inf,3] (-Inf,3]
Levels: (-Inf,3] (3,3.25] (3.25,3.5] (3.5,3.75] (3.75,4] (4, Inf]
[[2]]
[1] (-Inf,5] (-Inf,5]
Levels: (-Inf,5] (5,5.25] (5.25,5.5] (5.5,5.75] (5.75,6] (6, Inf]
[[3]]
[1] (5.5,7] (5.5,7]
Levels: (-Inf,1] (1,2.5] (2.5,4] (4,5.5] (5.5,7] (7, Inf]
Quelle est la raison de cette erreur? Comment peut-il être fixé? Merci.
4 réponses
Vous obtenez cette erreur car les valeurs quantiles dans vos données pour les colonnes b.1, a.2 et b.2 sont les mêmes pour certains niveaux, donc ils ne peuvent pas être directement utilisés comme valeurs de rupture dans la fonction cut().
apply(a,2,quantile,na.rm=T)
ID a.1 b.1 a.2 b.2
0% 1.00 37.5000 59.38 75.0 59.3800
25% 2.25 42.5000 100.00 87.5 91.6675
50% 3.50 58.3350 100.00 100.0 100.0000
75% 4.75 91.6675 100.00 100.0 100.0000
100% 6.00 100.0000 100.00 100.0 100.0000
Une façon de résoudre ce problème serait de mettre quantile() à l'intérieur de la fonction unique() - de sorte que vous supprimerez toutes les valeurs quantiles qui ne sont pas uniques. Cela fera bien sûr Moins de points de rupture si les quantiles ne sont pas uniques.
res <- lapply(dup.temp[,1],function(i) {
breaks <- c(-Inf,unique(quantile(a[,paste(i,1,sep=".")], na.rm=T)),Inf)
cut(a[,paste(i,2,sep=".")],breaks)
})
[[1]]
[1] <NA> (91.7,100] (58.3,91.7] <NA> <NA> (91.7,100]
Levels: (-Inf,37.5] (37.5,42.5] (42.5,58.3] (58.3,91.7] (91.7,100] (100, Inf]
[[2]]
[1] (59.4,100] (59.4,100] (59.4,100] (-Inf,59.4] (59.4,100] (59.4,100]
Levels: (-Inf,59.4] (59.4,100] (100, Inf]
Si vous préférez garder le nombre de quantiles, une autre option consiste à ajouter un peu de gigue, par exemple
breaks = c(-Inf,quantile(a[,paste(i,1,sep=".")], na.rm=T),Inf)
breaks = breaks + seq_along(breaks) * .Machine$double.eps
Au lieu de couper, vous pouvez utiliser .bincode, qui accepte un vecteur non unique de ruptures.
Si vous voulez dire les portions de 10% ou 25% de votre population quand vous dites décile, quartile, etc. et pas les valeurs numériques réelles des compartiments décile/quartile, vous pouvez classer vos valeurs en premier, et appliquer la fonction quantile sur les rangs:
a <- c(1,1,1,2,3,4,5,6,7,7,7,7,99,0.5,100,54,3,100,100,100,11,11,12,11,0)
a_ranks <- rank(a, ties.method = "first")
decile <- cut(a_ranks, quantile(a_ranks, probs=0:10/10), include.lowest=TRUE, labels=FALSE)