当我们要基于连续变量的某些特征比较分类变量的不同级别时,需要拆分连续变量。例如,从工资创建工资组,然后使用方差分析或Kruskal-Wallis检验比较这些组。要将连续变量分为多个组,我们可以使用Hmisc包的cut2函数-
请看以下数据帧-
set.seed(2) ID<-1:25 Salary<-sample(20:50,25,replace=TRUE) df<-data.frame(ID,Salary) df
输出结果
ID Salary 1 1 40 2 2 34 3 3 25 4 4 25 5 5 27 6 6 36 7 7 48 8 8 36 9 9 31 10 10 48 11 11 28 12 12 37 13 13 30 14 14 20 15 15 22 16 16 41 17 17 35 18 18 37 19 19 38 20 20 42 21 21 50 22 22 27 23 23 26 24 24 20 25 25 41
根据薪资划分df并为具有五个组的薪资组创建新列-
library(Hmisc) df$Salary_Group<-as.numeric(cut2(df$Salary, g=5)) df ID Salary Salary_Group 1 1 40 4 2 2 34 3 3 3 25 1 4 4 25 1 5 5 27 2 6 6 36 3 7 7 48 5 8 8 36 3 9 9 31 3 10 10 48 5 11 11 28 2 12 12 37 4 13 13 30 2 14 14 20 1 15 15 22 1 16 16 41 4 17 17 35 3 18 18 37 4 19 19 38 4 20 20 42 5 21 21 50 5 22 22 27 2 23 23 26 2 24 24 20 1 25 25 41 4
根据薪金划分df并为具有三组的薪金组创建新列-
df$Salary_Group<-as.numeric(cut2(df$Salary, g=3)) df ID Salary Salary_Group 1 1 40 3 2 2 34 2 3 3 25 1 4 4 25 1 5 5 27 1 6 6 36 2 7 7 48 3 8 8 36 2 9 9 31 2 10 10 48 3 11 11 28 1 12 12 37 2 13 13 30 2 14 14 20 1 15 15 22 1 16 16 41 3 17 17 35 2 18 18 37 2 19 19 38 3 20 20 42 3 21 21 50 3 22 22 27 1 23 23 26 1 24 24 20 1 25 25 41 3 df$Salary_Group [1] 3 2 1 1 1 2 3 2 2 3 1 2 2 1 1 3 2 2 3 3 3 1 1 1 3
这里,组大小是不同的,因为样本大小为25,而不是3的倍数。