基于连续变量(dplyr)突变二元变量

anauzrmj 于 2022-12-25 发布在其他

关注(0)|答案(1)|浏览(156)

我有一个Reddit用户和他们的帖子的数据集，我试图创建一个指示符变量，如果用户的帖子数量在第80百分位，则编码为1，否则编码为0，我主要感兴趣的是将用户分为"主动"用户和"被动"用户。
我已经创建了一个变量来计算用户名的帖子数量：

df <-
df %>% group_by(username) %>% mutate(count = n()) 
  #count(username, sort = TRUE)

下面是一个数据示例：

df %>% 
  select(username, count) %>% 
  head(., 4)

输出：

username
cyz
crash
conan
xyz
<chr>
count
14
12
7
13
<int>

我尝试了以下方法来识别帖子数量在前20%的用户：

df %>% 
  group_by(username) %>% 
    do(tidy(t(quantile(.$count))))

下面是变量"count"的一个数据示例，它计算每行的帖子数。

dput(df$count)

输出：

c(15L, 9L, 1L, 1L, 1L, 1L, 1L, 1L, 15L, 15L, 15L, 1L, 15L, 1L, 
1L, 15L, 1L, 1L, 15L, 2L, 15L, 1L, 15L, 1L, 15L, 2L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 15L, 191L, 3L, 191L, 
191L, 1L, 191L, 191L, 2L, 191L, 191L, 1L, 191L, 1L, 191L, 191L, 
191L, 3L, 191L, 98L, 191L, 1L, 191L, 2L, 191L, 9L, 1L, 191L, 
1L, 1L, 3L, 191L, 191L, 191L, 2L, 3L, 1L, 1L, 2L, 2L, 191L, 191L, 
191L, 191L, 17L, 1L, 3L, 4L, 3L, 22L, 2L, 3L, 3L, 191L)

r

来源：https://stackoverflow.com/questions/74850992/mutating-a-binary-variable-based-on-a-continuous-variable-dplyr

1条答案

按热度按时间

nfg76nw01#

您可以使用mutate来获得一个新列，其中的活动按照您的期望进行编码。
编辑：使用为计数变量提供的数据输出更新 Dataframe 。

df <- data.frame(ID = as.character(1:92),
                 count = count)

df_with_activity <- df %>% 
  mutate(active = ifelse(count >= quantile(count, 0.8), 1, 0))

   ID count active
1   1    15      0
2   2     9      0
3   3     1      0
4   4     1      0
5   5     1      0
6   6     1      0
7   7     1      0
8   8     1      0
9   9    15      0
10 10    15      0
11 11    15      0
12 12     1      0
13 13    15      0
14 14     1      0
15 15     1      0
16 16    15      0
17 17     1      0
18 18     1      0
19 19    15      0
20 20     2      0
21 21    15      0
22 22     1      0
23 23    15      0
24 24     1      0
25 25    15      0
26 26     2      0
27 27     1      0
28 28     1      0
29 29     1      0
30 30     1      0
31 31     1      0
32 32     1      0
33 33     1      0
34 34     1      0
35 35     1      0
36 36     1      0
37 37     1      0
38 38     3      0
39 39    15      0
40 40   191      1
41 41     3      0
42 42   191      1
43 43   191      1
44 44     1      0
45 45   191      1
46 46   191      1
47 47     2      0
48 48   191      1
49 49   191      1
50 50     1      0
51 51   191      1
52 52     1      0
53 53   191      1
54 54   191      1
55 55   191      1
56 56     3      0
57 57   191      1
58 58    98      0
59 59   191      1
60 60     1      0
61 61   191      1
62 62     2      0
63 63   191      1
64 64     9      0
65 65     1      0
66 66   191      1
67 67     1      0
68 68     1      0
69 69     3      0
70 70   191      1
71 71   191      1
72 72   191      1
73 73     2      0
74 74     3      0
75 75     1      0
76 76     1      0
77 77     2      0
78 78     2      0
79 79   191      1
80 80   191      1
81 81   191      1
82 82   191      1
83 83    17      0
84 84     1      0
85 85     3      0
86 86     4      0
87 87     3      0
88 88    22      0
89 89     2      0
90 90     3      0
91 91     3      0
92 92   191      1

以下是应该被贴上活性标签的：

df_with_activity %>% 
  filter(active == 1)
   ID count active
1  40   191      1
2  42   191      1
3  43   191      1
4  45   191      1
5  46   191      1
6  48   191      1
7  49   191      1
8  51   191      1
9  53   191      1
10 54   191      1
11 55   191      1
12 57   191      1
13 59   191      1
14 61   191      1
15 63   191      1
16 66   191      1
17 70   191      1
18 71   191      1
19 72   191      1
20 79   191      1
21 80   191      1
22 81   191      1
23 82   191      1
24 92   191      1

赞(0）回复(0）举报 2022-12-25

我来回答

基于连续变量(dplyr)突变二元变量

1条答案

相关问题

热门标签

最新问答