1

Cuando uno analiza datos, me parece buena idea identificar a variables numéricas que tienen pocos valores distintos como categóricas. El ejemplo perfecto es cuando solamente existen 0 y 1, que se podrían interpretar como apagado y encendido. Otro caso es cuando solamente tenemos 1, 5, y 10 ó 1, 2 y 3 que se podrían interpretar como "bajo", "medio", y "alto."

Para usar R, he elegido el dataset "mtcars."

El código está funcionando.

Tiene 2 pasos.

  1. Encontrar las columnas numéricas que tienen 12 valores distintos o menos. Por supuesto, en lugar de 12 podr1an ser 6, 3, etc.

  2. Convertir SOLAMENTE ESAS columnas numéricas a variables categóricas.

Cómo podría mejorarse el código?

library(tidyverse)

data(mtcars)
 
fun <- function(x) { x <= 12 }
 
columns_with_12_or_less_elements <- mtcars %>% select(where(is.numeric)) %>% lapply(n_distinct) %>% as.data.frame %>% select(where(fun)) %>% colnames
 
columns_with_12_or_less_elements
 
#original data.frame

str(mtcars)
 
#new data.frame

mtcars[,columns_with_12_or_less_elements] <- mtcars[,columns_with_12_or_less_elements] %>% lapply(as.factor) 

str(mtcars)  
View(mtcars)

Dataframe antes y después


En otro foro, alguien publicó otra respuesta. La pongo aquí, como se dice en matemáticas, "for completeness."

fun2<-function(x){n_distinct(x)<=12}

# es posible que se pueda con un solo select, pero no probé

mtcars %>% select(is.numeric) %>% select_if(fun2) %>% colnames() -> columns_with_12_or_less_elements

mtcars %>% mutate(across(c(columns_with_12_or_less_elements),factor)) %>% str()
1
  • Gracias! La dejaré en una.
    – Beginner
    Commented el 24 jun. 2022 a las 23:59

1 respuesta 1

1

No necesitarías cargar todo el tidyverse sino solo dplyr.

Puede hacerse todo en una línea, pero crear una función hace que todo quede más claro.

library(dplyr)

n_uniques <- function(x) x %>% unique() %>% length()

Se aprovecha la función across() añadida en dplyr 1.0, de este modo no hace falta usar lapply() ni crear tablas intermedias. El número de valores únicos solo hace falta indicarlo dentro de mutate().

mtcars %>% 
    mutate(across(.cols = where(~is.numeric(.x) && n_uniques(.x) <= 12), .fns = as.factor)) %>% 
    str()
#> 'data.frame':    32 obs. of  11 variables:
#>  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
#>  $ cyl : Factor w/ 3 levels "4","6","8": 2 2 1 2 3 2 3 1 1 2 ...
#>  $ disp: num  160 160 108 258 360 ...
#>  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
#>  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
#>  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
#>  $ qsec: num  16.5 17 18.6 19.4 17 ...
#>  $ vs  : Factor w/ 2 levels "0","1": 1 1 2 2 1 2 1 2 2 2 ...
#>  $ am  : Factor w/ 2 levels "0","1": 2 2 2 1 1 1 1 1 1 1 ...
#>  $ gear: Factor w/ 3 levels "3","4","5": 2 2 2 1 1 1 1 2 2 2 ...
#>  $ carb: Factor w/ 6 levels "1","2","3","4",..: 4 4 1 1 2 1 4 2 2 4 ...

Created on 2022-06-26 by the reprex package (v2.0.1)

1
  • Fantástica respuesta! Gracias!
    – Beginner
    Commented el 27 jun. 2022 a las 3:49

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.