「統計学関連なんでもあり」の過去ログ--- 048

No.22256　Ｒ　findInterval()関数　　【明石】　2017/01/23(Mon) 18:22

青木先生，
いつもお世話になり，ありがとうございます，明石と申します。

Rプログラムについて，ご教示いただきたいことが出てきました。

何卒どうぞ，よろしくお願いいたします。

ーーー

年齢（integer）のベクトルデータを読み込んで，
以下のような対応表に基づいて，
年齢（integer）　→　年代（factor）にデータ変換しようと思い，
この掲示板で紹介されていました便利な関数 findInterval を適用しました。

#----------------------------------------
#　年齢　⇒　年代（10階級）
#----------------------------------------
#　　-19　　　"01:-19"
#　20-24　　　"02:20-24"
#　25-29　　　"03:25-29"
#　30-34　　　"04:30-34"
#　35-39　　　"05:35-39"
#　40-44　　　"06:40-44"
#　45-49　　　"07:45-49"
#　50-54　　　"08:50-54"
#　55-59　　　"09:55-59"
#　60-　　　　"10:60-"
#----------------------------------------

作成したRコードは，以下です。

jun <- findInterval(年齢, c(0, 20, 25, 30, 35, 40, 45, 50 ,55, 60))
cut <- c("01:-19", "02:20-24", "03:25-29", "04:30-34", "05:35-39",
         "06:40-44", "07:45-49", "08:50-54", "09:55-59", "10:60-")
年代 <- factor(jun, label=cut)

色々なデータへ適用したところ，
例えば，年齢が「19 以下」の区間のデータがないなどのように，
findInterval で指定した区間にデータがない場合には，エラーになるようです。

私のプログラムにミスがあるのでしょうか？

青木先生にご教示いただきたいことは，以下の2点です。
何卒どうぞ，よろしくお願いいたします。

(1) 指定した区間にデータがない場合に，エラーになる事象は，
　　関数の仕様として，正しい振る舞いでしょうか？

(2) 上記エラーを回避する対処方法があるでしょうか？

ご教示いただければ，大変に助かります。
何卒どうぞ，よろしくお願いいたします。

No.22258　Re: Ｒ　findInterval()関数　　【青木繁伸】　2017/01/24(Tue) 10:10

findInterval でエラーになっているのではありません。
set.seed(12345)
年齢 <- sample(18:63, 10, replace=TRUE)
年齢
jun <- findInterval(年齢, c(0, 20, 25, 30, 35, 40, 45, 50 ,55, 60))
cut <- c("01:-19", "02:20-24", "03:25-29", "04:30-34", "05:35-39", "06:40-44", "07:45-49", "08:50-54", "09:55-59", "10:60-")
年代 <- factor(jun, label=cut)
では，
> jun
 [1]  8  9  8  9  5  3  4  6  8 10
> table(jun)
jun
 3  4  5  6  8  9 10 
 1  1  1  1  3  2  1 
となり，factor は 7 種類の値しか取らないのに cut が 10 種のラベルであるため，「factor(jun, label = cut) でエラー: 無効な 'labels' です; 長さ 10 は 1 または 7 であるべきです」のエラーになるのです。
対処法は，factr の実際の値に対してlabels を用意するということになるでしょう。
#set.seed(12345)
年齢 <- sample(18:63, 10, replace=TRUE)
年齢
int = 5 # 階級幅
from <- floor(min(年齢)/int)*int
to <- ceiling(max(年齢)/int)*int
vec <- seq(from, to, by=int)
vec
jun <- findInterval(年齢, vec)
index <- as.integer(names(table(jun))) # 階級が連続しているとは限らない
labels <- NULL
for (i in seq_along(table(jun))) {
	value <- (index[i]-1)*int+from
	labels <- c(labels, sprintf("%02d:%d-%d", i, value, value+int-1))
}
labels
年代 <- factor(jun, labels=labels)
年代
data.frame(年齢, jun, 年代)

No.22259　【御礼】　Re: Ｒ　findInterval()関数　　【明石】　2017/01/24(Tue) 12:57

青木先生，
いつもお世話になり，ありがとうございます，明石と申します。

苦慮していましたので，有難いご教示をいただき，大変に助かりました。

「factor の実際の値に対してlabels を用意する」ことで対処する方向で検討します。

いつもありがとうございます。