Skip to main content
9 de 9
se añadieron 505 caracteres en el cuerpo
Beginner
  • 197
  • 1
  • 10

R Programming Language: Identificando columnas numéricas con 12 valores distintos o menos como categóricas

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()
Beginner
  • 197
  • 1
  • 10