基于组内中位数的分类：用case_when实现高效分组逻辑

原始数据集 #

ID  Quantity    Group     Indicator
1   0.93        Red       1
2   0.17        Red       1
3   0.01        Red       0
4   0.44        Red       1
5   0.01        Red       0
6   0.86        Red       1
7   0.07        Red       1
8   0.02        Red       0   
9   1.00        Red       1
1   0.65        Blue      1
2   0.17        Blue      1
3   0.02        Blue      0
4   0.01        Blue      0
5   0.09        Blue      1
6   0.86        Blue      1
7   0.05        Blue      0
8   0.23        Blue      1
9   0.01        Blue      0

实现代码 #

使用dplyr包的group_by+mutate+case_when组合，能简洁实现需求：

library(dplyr)

# 构造数据集
df <- tibble(
  ID = c(1:9, 1:9),
  Quantity = c(0.93, 0.17, 0.01, 0.44, 0.01, 0.86, 0.07, 0.02, 1.00,
               0.65, 0.17, 0.02, 0.01, 0.09, 0.86, 0.05, 0.23, 0.01),
  Group = rep(c("Red", "Blue"), each = 9),
  Indicator = c(1,1,0,1,0,1,1,0,1,
                1,1,0,0,1,1,0,1,0)
)

# 生成Results列
df_result <- df %>%
  group_by(Group) %>%
  mutate(
    # 计算组内Indicator=1的Quantity中位数
    med_val = median(Quantity[Indicator == 1], na.rm = TRUE),
    # 按规则赋值
    Results = case_when(
      Indicator == 0 ~ 1,
      Indicator == 1 & Quantity >= med_val ~ 3,
      TRUE ~ 2  # 剩余Indicator=1且Quantity<=中位数的情况
    )
  ) %>%
  ungroup() %>%
  select(-med_val)  # 移除临时计算列

# 输出完整结果
print(df_result, n = 18)

代码说明 #

1. 分组计算中位数：按Group分组后，计算每组中Indicator=1对应的Quantity中位数，存为临时列med_val；
2. case_when多条件匹配：
   • 优先匹配Indicator==0的情况，直接赋值1；
   • 再匹配Indicator==1且Quantity≥中位数的情况，赋值3；
   • 最后用TRUE匹配剩余所有Indicator==1且Quantity≤中位数的情况，赋值2；
3. 清理临时列：取消分组后移除临时计算的中位数列，得到最终结果。

运行代码后得到的结果与示例完全一致。

内容的提问来源于stack exchange，提问作者Sundown Brownbear