虚拟变量代码R中的间隔

我有一个距离变量（以米为单位）来自特定源的属性，通过QGIS在我的数据子集中创建。虚拟变量代码R中的间隔

我想创建虚拟间隔与R如下：

0-100，101-200，201-300，301-400 & 401-500

我已经编码为以包括以下任何间隔内的所有属性：

data$Distance_100<-0 
data$Distance_100[data$Distance<100]<-1 

data$Distance_200<-0 
data$Distance_200[data$Distance>=101&data$Distance<200]<-1 

data$Distance_300<-0 
data$Distance_300[data$Distance>=201&data$Distance<300]<-1 

data$Distance_400<-0 
data$Distance_400[data$Distance>=301&data$Distance<400]<-1 

data$Distance_500<-0 
data$Distance_500[data$Distance>=401&data$Distance<500]<-1

似乎在编码方面有问题。它不会将所有属性放在间隔中，看起来正确的编码。有什么建议做什么？

来源

2014-10-21 Karl

除了迄今为止的有用答案外，请查看'findInterval'，并在SO上发布问题前学习搜索。 – 2014-10-21 23:20:03

使用cut函数来创建一个单一分类变量的时间间隔：

data$DistanceCut5 = cut(data$Distance, breaks=c(0,100,200,300,400,500))

如果你正在做回归，你不需要代码中分离虚拟变量。如果您将DistanceCut5输入到回归公式中，R将为您处理该问题。

而且，看看在帮助cut所以你可以看到如何改变类别标签（使用labels参数）以及如何确定区间的左侧或右侧是否关闭（使用right参数）。

此外，如果Distance的任何值大于500，cut会将类别标签设置为NA（缺失）。如果要确保Distance的所有值都具有DistanceCut5中的类别值，请确保levels的最低值和最高值之间的范围包含Distance中的所有值。

另外一种风格的评论：data实际上是R中的一个函数，所以最好不要养成将它用作数据框名称的习惯。

来源

2014-10-21 23:13:30 eipi10

'model.matrix（〜DistanceCut5 + 0，data = data）'然后会根据需要给你分开的列。 – thelatemail 2014-10-21 23:14:30

谢谢@ eipi10！只有一个（愚蠢的）问题。 0-100的区间似乎不被估计？只是 DistanceCut（100,200] DistanceCut（200,300]等，所以是101-200 201-300？所以也没有重叠。非常感谢！ – Karl 2014-10-21 23:46:33

你的意思是你的数据帧开始或者是这个回归分析的结果？如果是后者，那么'（0,100]'是基本类别，其他类别系数是相对于基本类别。这就像传统的虚拟编码一样。想要在回归中加入拦截 – eipi10 2014-10-21 23:49:49

虚拟变量代码R中的间隔

回答

相关问题