根據R中特定年份變量的值對面板中的組進行分類

Question

我在R中有一個不同國家的面板，我想基於特定變量的值創建類別（在本例中爲'var3'）在特定的一年（這裏是3）。

什麼，我現在有一個例子：

# create data 
test.data = as.data.frame(matrix(rexp(200, rate=.1), ncol=5)) 
colnames(test.data) = c("year", "country", "var1", "var2", "var3") 
test.data$year = rep.int(1:5, 8) 
test.data$country = rep(1:8, each=5) 

# calculate median, minimum and maximum of 'var3' 
median = quantile(x = test.data[test.data$year == 3, 5], probs = c(0.5)) 
min = min(test.data[test.data$year == 3, 5]) 
max = max(test.data[test.data$year == 3, 5]) 

# create category variable based on values of 'var3' 
test.data$cat.1 = cut(test.data$var3, c(min, median, max)) 

在這種情況下的「cat.1」的值取決於相應的觀察「VAR3」的價值，但我想它取決於特定國家特定年份的價值（即我希望特定國家所有年份的價值相同）。有沒有一個簡單的方法來做到這一點，或者我必須手動做到這一點（選擇每個組的國家和分配給他們的價值觀）。如果組數不變，手動設置就可以，但如果您想嘗試不同的組大小，則會有點麻煩。

目前的結果看起來如下：

year country  var1  var2  var3  cat.1 
1  1  1 4.4206363 9.32628504 4.0988089 (1.2,6.71] 
2  2  1 7.6072491 6.30949828 39.5694414  <NA> 
3  3  1 3.3774183 7.94397550 8.8419793 (6.71,22.2] 
4  4  1 1.0300372 9.93858310 0.4908481  <NA> 
5  5  1 6.4514008 2.10367840 29.6052797  <NA> 
6  1  2 8.7609877 5.76332181 17.4117561 (6.71,22.2] 
7  2  2 6.1253021 0.17258071 23.9096280  <NA> 
8  3  2 48.3335241 1.19255084 3.3644827 (1.2,6.71] 
9  4  2 34.1683821 10.98216846 29.0255100  <NA> 
10 5  2 15.5824154 2.53484781 16.3466249 (6.71,22.2] 

但我想這個代替：

year country  var1  var2  var3  cat.1 
1  1  1 4.4206363 9.32628504 4.0988089 (6.71,22.2] 
2  2  1 7.6072491 6.30949828 39.5694414 (6.71,22.2] 
3  3  1 3.3774183 7.94397550 8.8419793 (6.71,22.2] 
4  4  1 1.0300372 9.93858310 0.4908481 (6.71,22.2] 
5  5  1 6.4514008 2.10367840 29.6052797 (6.71,22.2] 
6  1  2 8.7609877 5.76332181 17.4117561 (1.2,6.71] 
7  2  2 6.1253021 0.17258071 23.9096280 (1.2,6.71] 
8  3  2 48.3335241 1.19255084 3.3644827 (1.2,6.71] 
9  4  2 34.1683821 10.98216846 29.0255100 (1.2,6.71] 
10 5  2 15.5824154 2.53484781 16.3466249 (1.2,6.71] 

Answer 1

大意如下的東西，也許？首先創建一個變量，對於每個國家，在第3年對應於var3，然後削減該變量。這應該適用於很多團體，如果按照團體來說，你的意思是國家。

library(dplyr) 
out <- test.data %>% group_by(country) %>% mutate(to.cut = var3[year==3]) 
out$cat.1 = cut(out$to.cut, c(min, median, max), include.lowest=T) 
out 

Source: local data frame [40 x 7] 
Groups: country [8] 

    year country  var1  var2  var3  cat.1 to.cut 
    (int) (int)  (dbl)  (dbl)  (dbl)  (fctr) (dbl) 
1  1  1 2.945957 8.785060 21.820063 (10.3,35.5] 12.06913 
2  2  1 1.473719 29.944750 6.915839 (10.3,35.5] 12.06913 
3  3  1 8.880734 3.624519 12.069131 (10.3,35.5] 12.06913 
4  4  1 31.746000 9.698126 5.929075 (10.3,35.5] 12.06913 
5  5  1 34.639945 2.983025 15.438284 (10.3,35.5] 12.06913 
6  1  2 16.757240 8.719741 27.412963 (10.3,35.5] 14.74931 
7  2  2 1.155467 3.146425 1.730943 (10.3,35.5] 14.74931 
8  3  2 1.738710 2.292280 14.749311 (10.3,35.5] 14.74931 
9  4  2 13.120079 0.130744 3.000918 (10.3,35.5] 14.74931 
10  5  2 27.898422 10.891313 20.912835 (10.3,35.5] 14.74931 

評論：由於我們對隨機數生成器有不同的種子，所以數字與您的表格明顯不同。在您的表格中，cut的結果從country 1到country 2不等。由於切割是在所有國家完成的，這種差異很可能是由於隨機性。如果這不符合您的期望，請提供可以複製原始表格的種子。