使用R处理工作生活中遇到的分组问题

“ No one knows everything, and you don't have to.”   --free傻孩子

"R数据分析"专题·第4篇

  编辑 | free傻孩子

  4445字 | 7分钟阅读

本期推送内容：

本期想为大家推荐的是一个自编函数（group_data）；该函数的目的是处理生活和工作中常见的分组问题。在遇到以下情景时可能需要使用该函数，如根据员工的不同业务水平的综合得分对员工进行业绩考核；或者根据学生不同科目的得分情况对学生进行排名；或者根据不同微生物的丰度将微生物分为稀有（rare）种、丰富（abundant）种等。

01

数据要求和格式

本函数适应的数据格式为“数据框”；数据需要包含行名和列名。具体格式如下：

02

函数

需要用到的函数代码如下：

group_data <- function(data, by, group) {
  library(tidyverse)#load needed package
  data[,1:length(data)] %>%
    scale() %>%
    apply(1,mean) %>% #calculate mean for column
    data.frame(data) ->df2 #calculate scores
  group_by = quantile(df2[[1]],probs = by)#calculate group
  colnames(df2)[1] = "scores"# add a colnames for scores
  df2$group[df2[1] >= group_by[1]] = group[1]#create group
  df2$group[df2[1] < group_by[length(by)]] = group[length(by)+1]#create group
  i = 2
  while(i <= length(by)) {#create group for data in range 2 to length(by)
    df2$group[df2[1] < group_by[i-1] & df2[1] >= group_by[i]] = group[i]
    i = i +1
  }
  print(df2)
}

注意：本函数需要用到“tidyverse”包，如果没有安装的话建议安装后再运行以上函数。

03

Case1: 业绩考核

目的：根据所有业务的综合得分考核公司员工

要求：将公司员工分为三类得分在前90%的为优秀员工；

要求：得分在90%-70%的为良好员工；

要求：得分在70%以下的为不良员工。

数据如下：

df <- data.frame(
  业务1 = c(12,15,18,20,10,14),
  业务2 = c(20,25,21,28,29,21),
  业务3 = c(40,60,70,90,100,20),
  业务4 = c(100,200,300,90,400,230)
)
rownames(df) <- c("小吴","小刘","王吴",
                  "小天","小明","赵四")
group = c("优秀","良好","不良")
by = c(0.9,0.7)#top0.9，0.7
group_data(data = df,by = by, group = group)

计算后得到的结果如下：

04

Case2: 学生排名

#目的：根据所有科目的综合得分对班级学生排名

#要求：将班级学生分为四类得分在前90%的为A；

#得分在90%-80%的为B；

#得分在80%-70%的为C；

#得分在70%以下的为D。

数据如下：

df2 <- data.frame(
  物理 = sample(0:50,9,replace = FALSE),
  生物 = sample(0:50,9,replace = FALSE),
  政治 = sample(0:100,9,replace = FALSE),
  英语 = sample(0:100,9,replace = FALSE),
  语文 = sample(0:150,9,replace = FALSE),
  数学 = sample(0:150,9,replace = FALSE)
)
rownames(df2) <- c("小吴","小刘","王吴",
                  "小天","小明","赵四",
                  "王五","刘三","李一")

by2 = c(0.9,0.8,0.7)#top0.9，0.8，0.7
group2 = c("A","B","C","D")
group_data(data = df2,by = by2, group = group2)

结果如下：