R_Studio(癌症)以等宽类别值、自定义类别值、等频类别值（分为5类)

　　对“癌症.csv”中的肾细胞癌组织内微血管数进行连续属性的离散化处理

 

　　增加“微血管数分类1”属性，取值为等宽类别值（分为5类），增加“微血管数分类2”属性，取值为自定义类别值（0~40,41~60,61~120,121~150,151~200,201~250)，增加“微血管数分类3”属性，取值为等频类别值（分为5类）

 

　　

 

setwd('D:\\data')

list.files()

#读取数据
dat=read.csv(file="癌症.csv",header=TRUE)
#等宽类别值
v1=dat[,4]/max(dat[,4])*5
v1=ceiling(v1)#将得到的值向上取整
dat=data.frame(dat,'微血管数分类1'=v1)#变量重命名，存入数据

#自定义类
c2=c(0,40,60,120,150,200,250)
v2=cut(dat[,4],c2,labels = F,right = T) 
dat=data.frame(dat,'微血管数分类2'=v2)#变量重命名，存入数据

names(dat)=c("f1","f2","f3","f4","f5","f6") #变量重命名
#attach(data)
n=length(dat[,1])
k=5#等频划分为5组
m=length(k)
data=dat[order(dat$f4),]#按大小排序作为离散化依据

v3=rep(1:k, each = n/k, len = n)#定义新变量

dat=data.frame(dat,"微血管数分类3"=v3)

 

　　

 

 

实现过程

 

　　增加“微血管数分类1”属性，取值为等宽类别值（分为5类）

v1=dat[,4]/max(dat[,4])*5
v1=ceiling(v1)#将得到的值向上取整
dat=data.frame(dat,'微血管数分类1'=v1)#变量重命名，存入数据

输出：[1] 1 2 4 3 2 2 2 5 2 2 3 2 2 1 1 2 3 3 1 4 2 3 4 3 3

　　(区间值 / max()*等宽 分类 控制数值区间在1~5)

 

　　

　　增加“微血管数分类2”属性，取值为自定义类别值（0~40,41~60,61~120,121~150,151~200,201~250)

c2=c(0,40,60,120,150,200,250)
v2=cut(dat[,4],c2,labels = F,right = T) 
dat=data.frame(dat,'微血管数分类2'=v2)#变量重命名，存入数据

输出： [1] 2 2 5 4 3 3 3 6 3 3 4 3 2 2 1 3 4 3 2 5 2 4 5 4 4

 

　　cut()函数：切割将x的范围划分为时间间隔

　　参数：

　　breaks:两个或更多个唯一切割点或单个数字（大于或等于2）的数字向量，给出x被切割的间隔的个数。

　　breaks:采用fivenum():返回五个数据：最小值、下四分位数、中位数、上四分位数、最大值。

　　labels：为区间数，打标签

　　right=T：右区间取闭区间(10,20]

 

 

　　增加“微血管数分类3”属性，取值为等频类别值（分为5类）

n=length(dat[,1])
k=5#等频划分为5组
m=length(k)
data=dat[order(dat$肾细胞癌组织内微血管数),]#按大小排序作为离散化依据
v3=rep(1:k, each = n/k, len = n)#定义新变量
dat=data.frame(dat,"微血管数分类3"=v3)

输出：[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5

 

　　rep()函数　　传送门

 

rep(x, ...)

rep.int(x, times)

rep_len(x, length.out)


rep函数有4个参数：
x：向量或者类向量的对象
each：x元素每个重复次数
times:each后的向量的处理，如果times是单个值，则each后的值整体重复times次数，如果是x each后的向量相等长度的向量，则对each后的每个元素重复times同一位置的元素的次数，否则会报错
length.out指times处理后的向量最终输出的长度，如果长于生成的向量，则补齐。也就是说rep会先处理each参数，生成一个向量X1，然后times再对X1进行处理生成X2，length.out在对X2进行处理生成最终输出的向量X3> rep(1:4,times=c(1,2,3,4))  #与向量x等长times模式

[1] 1 2 2 3 3 3 4 4 4 4
> rep(1:4,times=c(1,2,3))  #非等长模式，出现错误
Error in rep(1:4, times = c(1, 2, 3)) : invalid 'times' argument
> rep(1:4,each=2,times=c(1,2,3,4)) #还是非等长模式，因为each后的向量有8位，而不是4位
Error in rep(1:4, each = 2, times = c(1, 2, 3, 4)) : 
invalid 'times' argument
> rep(1:4,times=c(1,2,3,4))  #等长模式，我写重了o(╯□╰)o
[1] 1 2 2 3 3 3 4 4 4 4
> rep(1:4,times=c(1,2,3,4),each=3) #重复的例子啊，莫拍我
Error in rep(1:4, times = c(1, 2, 3, 4), each = 3) : 
invalid 'times' argument
> rep(1:4,each=2,times=1:8)   #正确值，times8位长度向量
[1] 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
> rep(1:4,each=2,times=1:8,len=3)   #len的使用，循环补齐注意下
[1] 1 1 2
> rep(1:4,each=2,times=3)   #先each后times
[1] 1 1 2 2 3 3 4 4 1 1 2 2 3 3 4 4 1 1 2 2 3 3 4 4
>rep函数完毕！