在R中基于分类预测变量拆分含连续与二分类变量的数据框

嘿，刚好我经常处理这类数据拆分需求，给你分享几个在R里实用的方法，针对你的数据框（包含连续变量s和两个0/1二分类变量，假设它们叫var1和var2哈）：

方法1：基础R的split()函数（最直接） #

这是R原生的拆分函数，能快速按分类变量的组合拆分数据框：

# 按两个二分类变量的所有组合拆分
split_dfs <- split(d, list(d$var1, d$var2))

拆分后会得到一个列表，列表里的每个元素对应一种var1和var2的组合（比如0.0对应var1=0且var2=0的子集，0.1对应var1=0且var2=1的子集，以此类推）。

如果只想单独按某一个二分类变量拆分，也很简单：

# 只按第一个二分类变量拆分
split_by_var1 <- split(d, d$var1)

方法2：tidyverse风格的group_split()（更适合数据清洗工作流） #

如果你习惯用dplyr这类tidyverse工具，group_split()会更贴合你的工作习惯：

library(dplyr)

# 按两个变量分组后拆分
split_dfs_tidy <- d %>% 
  group_split(var1, var2)

这个方法返回的也是列表，每个元素是对应分组的子数据框，而且保留了tidy数据的格式，方便后续做分析。

小技巧：给拆分后的子数据框命名更清晰 #

默认的列表名字可能不够直观，咱们可以手动设置成更易懂的名称：

# 用split()的例子
split_dfs <- split(d, list(d$var1, d$var2))
names(split_dfs) <- paste0("var1_", c(0,0,1,1), "_var2_", c(0,1,0,1))

# 现在列表的名字会是"var1_0_var2_0"、"var1_0_var2_1"这类，一目了然

举个实际小例子 #

假设你的数据框是这样的简化版：

d <- structure(list(
  s = c(35.33, 39.51, 42.35, 44.74),
  var1 = c(0, 0, 1, 1),
  var2 = c(0, 1, 0, 1)
), class = "data.frame")

用split(d, list(d$var1, d$var2))拆分后，列表里的第一个元素就是s=35.33、var1=0、var2=0的行，第二个是s=39.51、var1=0、var2=1的行，完全符合需求～

内容的提问来源于stack exchange，提问作者W. Volante