Debe haber varias formas de hacerlo, una es hacer una función que tome un vector numérico x, calcule los cuantiles deseados y luego según las categorias, cree otro vector que clasifique. El número de categorias debe ser uno más el numero de cuantiles.
Si los datos están clasificados por un factor, uno puede aplicar la función anterior con lapply()
, el tema es que este devuelve una lista con un elemento por nivel del factor, habría que volver a reconstruir el data.frame. La tentación es dividir los datos en una lista con un elemento por nivel del factor con split()
y usar un ciclo for
para recorrerla, aplicar la claisificacion y luego pegar los elementos o unirlos. Pero a mi no me gusta usar ciclos for
ni while
ni repeat
.
Finalmente, uso tapply
par aplicar la función clasificadora a los datos por cada nivel del factor, luego uso la instrucción do.call(rbind.data.frame, mi_lista)
para convertir mi_lista en data.frame y luego lo reconstruyo al orden original haciendo un match
del vector numerico con el original. Aquí podría haber problemas con datos numéricos duplicados que tengan asociado más de un nivel en el factor. Pero llegué hasta áca!
# genero datos artificiales
y <- rnorm(100, 10, 1)
f <- rep(c("A","B"), 50)
data <- data.frame(y,f)
clasificador <- function(x, cuantiles = c(1/3, 2/3), categ = c("bajo", "medio", "alto")) {
# Validaciones -----------------------
if (!is.numeric(cuantiles) | !all(cuantiles > 0) | !all(cuantiles <= 1)) {
stop("Vector de cuantiles debe ser numerico y sus elementos estar entre 0 y 1")
}
if (!is.data.frame(x) | !is.numeric(x[,1]) ) {
stop("Error en los datos")
}
if (!is.factor(x[,2])) {
x[,2] <- as.factor(x[,2])
}
# puedes agregar más validaciones
# ------------------------------------
# esta funcion clasifica un vector numerico en tres categorias
# de acuerdo a los cuantiles
clasificadorInterno <- function(x, cuant, categ) {
zz <- rep("", length(x))
qs <- quantile(x, probs = cuant)
zz[x < qs[1]] <- categ[1]
zz[(x >= qs[1]) & (x < qs[2])] <- categ[2]
zz[x >= qs[2]] <- categ[3]
data.frame(x,zz)
}
# esta funcion aplica clasificadorInterno a los datos dividos por el factor
clasif <- function(x) {
tapply(x[,1], list(x[,2]), clasificadorInterno, cuantiles, categ)
}
# esto es para unir la lista en un dataframe
zz <- do.call(rbind.data.frame, clasif(x))
# y esto para devolverlo en el mismo orden que el ingresado
clasificacion <- zz[match(x[,1], zz[,1]),2]
cbind(x, clasificacion)
}
clasificador(data)