Назначение меток значениям в столбцах после последовательной сортировки в R

Есть ...

library(data.table)
setDT(DF)

DF[, v := ""]    
for (k in names(DF)[1:6]){
  DF[!is.na(get(k)), v := paste0(v, cut(get(k), 3, FALSE)), by=v]
  DF[is.na(get(k)), v := paste0(v, "-")]
}

     V1 V2 V3 V4 V5 V6      v
  1: 42 33 10  8 26 35 321122
  2: 21 35 42 46  9  2 233322
  3: 10 26 18 25 40 17 121232
  4: 22 35 26 34  3  1 232322
  5: 26 30 23  2 23 24 222122
 ---                         
101: 25 26 18  8 31 24 221123
102:  2 37 13 28 34 33 131232
103: 10  5 14 20 33 29 111122
104: 27 50 18  1 18 33 231112
105: 16 42 23  3 14 35 132122

Я пробовал использовать ave из базы R для этого, но это было слишком утомительно, чтобы справиться с этим.

Заменяющее значение - используется, потому что оставить пустым или NA не имеет смысла, если некоторые столбцы отсутствуют, а другие не находятся в строке.

Если вы действительно хотите просто использовать базовый R, это можно сделать, но было бы намного проще с dplyr или даже data.table.

Первая проблема, которую вы определяете, заключается в том, что by возвращает список. Вы можете просто unlist() получить вектор на выходе. но это создает новую проблему - ваши исходные данные не отсортированы, поэтому неуказанные данные будут расположены в неправильном порядке. Итак, сначала нам нужно отсортировать данные.

reproduce.df2 <- cbind.data.frame(reproduce.df,labels.v1)[order(labels.v1),]
labels.v2 <- unlist(by(reproduce.df2$V2, reproduce.df2$labels.v1, FUN = function(x) cut(x, quantile(x, seq(from=0,to=1,length.out = 4), na.rm = TRUE), labels = c("1","2","3"), include.lowest = TRUE)))

Но теперь у вас возникла новая проблема - NA вашего фрейма данных, особенно labels.v1, не включаются, поэтому labels.v2 сейчас слишком короток. Вам нужно отфильтровать любую строку с NA, чтобы это работало. Для ваших следующих шагов вам нужно будет вставить столбцы меток вместе для сортировки, чтобы вложенная сортировка работала правильно.

А как насчет использования dplyr тогда?

library(dplyr)
set.seed(1001)
reproduce.df <- rbind.data.frame(replicate(6,sample(1:50, 50, rep = TRUE)),replicate(6,sample(NA, 5, rep = TRUE)),replicate(6,sample(1:50, 50, rep = TRUE)))
breaks <- seq(0,1,length.out=4)
reproduce.df <- mutate(reproduce.df,labels.v1 = cut(V1,quantile(V1,breaks,na.rm=T),labels=FALSE,include.lowest=TRUE))
reproduce.df <- group_by(reproduce.df,labels.v1)
reproduce.df <- mutate(reproduce.df,labels.v2 = cut(V2,breaks=quantile(V2,breaks,na.rm=T),labels=FALSE,include.lowest=TRUE))
reproduce.df <- group_by(reproduce.df,labels.v1,labels.v2)
reproduce.df <- mutate(reproduce.df,labels.v3 = cut(V3,breaks=quantile(V3,breaks,na.rm=T),labels=FALSE,include.lowest=TRUE))

На каждом этапе вы добавляете предыдущую метку к своим group_by и mutate (создаете переменную) к новым меткам.

Примечание. Я установил labels = FALSE, потому что он не работал с указанием меток 1:3. Таким образом, он в любом случае просто выводит целое число от 1 до 3.

Вы можете увидеть результат в конце приведенного выше кода.

> arrange(reproduce.df,labels.v1,labels.v2,labels.v3)
# A tibble: 105 x 9
# Groups:   labels.v1, labels.v2 [10]
      V1    V2    V3    V4    V5    V6 labels.v1 labels.v2 labels.v3
   <int> <int> <int> <int> <int> <int>     <int>     <int>     <int>
 1     5     3     3     9    10    34         1         1         1
 2     3     2    13    15     7    11         1         1         1
 3    14     5    24    16    19     3         1         1         1
 4     5    14    20     3    45    34         1         1         1
 5     4    17     3    15    16    12         1         1         1
 6     1    15    41    15    48    47         1         1         2
 7    15     4    31    29    39    25         1         1         2
 8    15     8    26    41    42     8         1         1         2
 9     4    11    28    45    11    46         1         1         2
10     5    13    46    42    34    18         1         1         3
# ... with 95 more rows