Cut() Errore - 'pause' non sono univoci

Question

Ho seguito dataframe:

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 

Quando applico il seguente codice a questo 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) 
}) 

il taglio() funzione fornisce un errore:

Error in cut.default(a[, paste(i, 2, sep = ".")], breaks) : 
'breaks' are not unique 

Tuttavia, lo stesso codice funziona perfettamente su dataframe simile:

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] 

Qual è la ragione di questo errore? Come può essere risolto? Grazie.

Answer 1

si ottiene questo errore perché i valori quantile nei dati per le colonne b.1, a.2 e b.2 sono gli stessi per alcuni livelli, in modo che non può essere utilizzato direttamente come valori interruzioni nella funzione 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 

Un modo per risolvere questo problema sarebbe quella di mettere all'interno quantile()unique() funzione - in modo da rimuovere tutti i valori quantile che non sono unici. Questo ovviamente renderà meno punti di rottura se i quantili non sono unici.

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] 

Answer 2

Se si preferisce mantenere il numero di quantili, un'altra opzione è quella di aggiungere solo un po 'di jitter, per esempio

Answer 3

Invece di tagliare, è possibile utilizzare .bincode, che accetta un vettore non univoco di interruzioni.

Answer 4

Quando si dice decile, ecc quartile se effettivamente dire le porzioni 10% o il 25% della vostra popolazione e non i valori numerici effettivi dei decile/secchi quartile qui è quello che si potrebbe usare:

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) 
ar<-rank(a,ties.method = "first") 
decile <- cut(ar, quantile(ar, probs=0:10/10), include.lowest=TRUE, labels=FALSE)