Recode numeric variables into equal sized groups, i.e. a
variable is cut into a smaller number of groups at specific cut points.
split_var_if()
is a scoped variant of split_var()
, where
transformation will be applied only to those variables that match the
logical condition of predicate
.
split_var(x, ..., n, as.num = FALSE, val.labels = NULL, var.label = NULL, inclusive = FALSE, append = TRUE, suffix = "_g") split_var_if(x, predicate, n, as.num = FALSE, val.labels = NULL, var.label = NULL, inclusive = FALSE, append = TRUE, suffix = "_g")
x | A vector or data frame. |
---|---|
... | Optional, unquoted names of variables that should be selected for
further processing. Required, if |
n | The new number of groups that |
as.num | Logical, if |
val.labels | Optional character vector, to set value label attributes
of recoded variable (see vignette Labelled Data and the sjlabelled-Package).
If |
var.label | Optional string, to set variable label attribute for the
returned variable (see vignette Labelled Data and the sjlabelled-Package).
If |
inclusive | Logical; if |
append | Logical, if |
suffix | String value, will be appended to variable (column) names of
|
predicate | A predicate function to be applied to the columns. The
variables for which |
A grouped variable with equal sized groups. If x
is a data frame,
for append = TRUE
, x
including the grouped variables as new
columns is returned; if append = FALSE
, only the grouped variables
will be returned.
split_var()
splits a variable into equal sized groups, where
the amount of groups depends on the groupcount
-argument. Thus, this
functions cuts
a variable into groups at the specified
quantiles
.
By contrast, group_var
recodes a variable into groups, where
groups have the same value range (e.g., from 1-5, 6-10, 11-15 etc.).
split_var()
also works on grouped data frames
(see group_by
). In this case, splitting is applied to
the subsets of variables in x
. See 'Examples'.
In case a vector has only few number of unique values, splitting into
equal sized groups may fail. In this case, use the inclusive
-argument
to shift a value at the cut point into the lower, preceeding group to
get equal sized groups. See 'Examples'.
data(efc) # non-grouped table(efc$neg_c_7)#> #> 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 27 #> 75 99 106 120 96 85 64 54 45 30 35 26 16 16 2 7 4 3 6 1 #> 28 #> 2# split into 3 groups table(split_var(efc$neg_c_7, n = 3))#> #> 1 2 3 #> 280 301 311# split multiple variables into 3 groups split_var(efc, neg_c_7, pos_v_4, e17age, n = 3, append = FALSE)#> neg_c_7_g pos_v_4_g e17age_g #> 1 2 2 3 #> 2 3 1 3 #> 3 2 2 2 #> 4 2 3 1 #> 5 2 3 3 #> 6 3 1 3 #> 7 3 2 1 #> 8 2 3 3 #> 9 3 2 2 #> 10 2 2 3 #> 11 3 1 1 #> 12 3 1 3 #> 13 3 3 2 #> 14 3 3 2 #> 15 3 1 2 #> 16 3 3 3 #> 17 2 3 2 #> 18 2 2 1 #> 19 3 2 3 #> 20 3 2 2 #> 21 2 1 3 #> 22 1 2 1 #> 23 1 3 3 #> 24 3 3 3 #> 25 2 3 3 #> 26 3 2 2 #> 27 <NA> 1 3 #> 28 2 1 2 #> 29 3 1 3 #> 30 2 <NA> 3 #> 31 3 2 3 #> 32 1 2 3 #> 33 3 1 3 #> 34 3 2 2 #> 35 1 3 2 #> 36 2 3 2 #> 37 3 1 1 #> 38 1 3 3 #> 39 3 3 3 #> 40 3 2 3 #> 41 3 2 3 #> 42 3 3 1 #> 43 3 1 1 #> 44 3 1 1 #> 45 3 2 1 #> 46 <NA> 1 2 #> 47 3 1 1 #> 48 3 2 1 #> 49 3 3 2 #> 50 3 1 3 #> 51 3 3 1 #> 52 2 <NA> 2 #> 53 3 1 1 #> 54 3 1 1 #> 55 1 3 2 #> 56 2 3 3 #> 57 3 <NA> <NA> #> 58 <NA> 1 2 #> 59 3 1 2 #> 60 3 1 1 #> 61 3 3 3 #> 62 3 3 3 #> 63 1 3 3 #> 64 3 1 1 #> 65 2 <NA> 3 #> 66 3 3 3 #> 67 3 1 2 #> 68 2 2 2 #> 69 3 <NA> 2 #> 70 3 1 1 #> 71 1 3 2 #> 72 3 2 <NA> #> 73 2 2 3 #> 74 3 1 1 #> 75 2 3 3 #> 76 2 2 2 #> 77 3 1 1 #> 78 2 2 3 #> 79 2 1 2 #> 80 3 1 2 #> 81 1 3 2 #> 82 3 2 <NA> #> 83 2 3 2 #> 84 3 1 2 #> 85 2 3 2 #> 86 3 3 2 #> 87 3 1 1 #> 88 3 2 1 #> 89 3 1 2 #> 90 2 <NA> 3 #> 91 2 2 2 #> 92 2 3 2 #> 93 3 2 1 #> 94 2 3 3 #> 95 2 2 1 #> 96 3 <NA> 3 #> 97 2 <NA> 1 #> 98 2 1 3 #> 99 2 3 3 #> 100 3 1 2 #> 101 3 1 2 #> 102 2 1 1 #> 103 2 3 2 #> 104 1 1 2 #> 105 3 2 3 #> 106 3 2 1 #> 107 2 3 2 #> 108 2 2 2 #> 109 3 2 2 #> 110 3 2 2 #> 111 2 3 1 #> 112 2 1 2 #> 113 3 1 3 #> 114 1 3 2 #> 115 3 2 1 #> 116 3 2 3 #> 117 2 2 3 #> 118 3 2 2 #> 119 3 1 1 #> 120 3 1 3 #> 121 1 3 3 #> 122 3 <NA> 1 #> 123 3 <NA> 3 #> 124 3 1 1 #> 125 3 2 3 #> 126 3 2 1 #> 127 1 <NA> 2 #> 128 3 <NA> 3 #> 129 1 3 3 #> 130 3 3 1 #> 131 3 1 3 #> 132 1 3 2 #> 133 3 2 2 #> 134 <NA> <NA> 2 #> 135 3 1 3 #> 136 2 2 3 #> 137 3 2 3 #> 138 1 3 2 #> 139 2 3 2 #> 140 2 3 3 #> 141 3 1 2 #> 142 2 1 3 #> 143 3 1 3 #> 144 <NA> <NA> 3 #> 145 2 2 3 #> 146 2 3 3 #> 147 <NA> 2 1 #> 148 2 1 1 #> 149 2 2 2 #> 150 3 2 3 #> 151 2 3 3 #> 152 3 2 3 #> 153 2 2 3 #> 154 2 3 3 #> 155 2 3 1 #> 156 2 2 1 #> 157 1 2 2 #> 158 3 3 3 #> 159 2 2 2 #> 160 2 2 1 #> 161 3 1 2 #> 162 3 2 3 #> 163 3 1 3 #> 164 2 1 <NA> #> 165 2 3 2 #> 166 3 3 1 #> 167 <NA> <NA> 3 #> 168 3 <NA> 2 #> 169 2 1 2 #> 170 2 <NA> 2 #> 171 1 3 1 #> 172 2 3 3 #> 173 1 3 2 #> 174 2 3 1 #> 175 2 3 3 #> 176 2 2 1 #> 177 2 1 3 #> 178 3 2 3 #> 179 1 2 3 #> 180 2 3 2 #> 181 2 3 3 #> 182 2 2 3 #> 183 3 1 2 #> 184 2 2 2 #> 185 3 <NA> 2 #> 186 3 3 2 #> 187 <NA> 3 1 #> 188 3 1 3 #> 189 1 2 2 #> 190 2 3 1 #> 191 3 2 2 #> 192 3 3 <NA> #> 193 2 1 3 #> 194 2 2 1 #> 195 1 3 3 #> 196 1 3 2 #> 197 3 <NA> 3 #> 198 3 <NA> 3 #> 199 3 1 3 #> 200 1 2 3 #> 201 1 3 3 #> 202 3 1 3 #> 203 1 3 3 #> 204 3 1 3 #> 205 1 3 3 #> 206 1 2 2 #> 207 3 2 3 #> 208 2 3 3 #> 209 2 3 3 #> 210 2 2 3 #> 211 2 2 3 #> 212 3 1 3 #> 213 1 2 2 #> 214 3 1 3 #> 215 3 3 1 #> 216 1 3 3 #> 217 3 3 3 #> 218 3 1 2 #> 219 2 3 2 #> 220 1 3 1 #> 221 2 1 3 #> 222 3 2 3 #> 223 2 2 3 #> 224 2 2 3 #> 225 3 2 3 #> 226 1 1 2 #> 227 3 3 3 #> 228 3 1 3 #> 229 2 3 1 #> 230 3 2 1 #> 231 3 3 3 #> 232 3 2 3 #> 233 2 3 3 #> 234 2 1 3 #> 235 2 2 3 #> 236 2 1 3 #> 237 2 3 1 #> 238 2 2 2 #> 239 1 3 2 #> 240 2 3 2 #> 241 1 2 2 #> 242 2 2 2 #> 243 2 1 3 #> 244 2 2 3 #> 245 1 2 3 #> 246 2 3 2 #> 247 1 2 2 #> 248 1 1 3 #> 249 2 3 3 #> 250 2 1 3 #> 251 2 1 2 #> 252 2 1 2 #> 253 3 3 1 #> 254 2 1 1 #> 255 2 1 3 #> 256 3 1 3 #> 257 2 3 1 #> 258 3 1 3 #> 259 2 2 3 #> 260 3 2 3 #> 261 1 2 2 #> 262 3 3 3 #> 263 2 1 3 #> 264 2 2 2 #> 265 1 3 3 #> 266 2 2 2 #> 267 3 1 1 #> 268 <NA> 1 3 #> 269 2 2 3 #> 270 3 1 2 #> 271 1 2 2 #> 272 2 1 1 #> 273 1 1 2 #> 274 2 2 1 #> 275 3 1 1 #> 276 2 2 2 #> 277 1 2 2 #> 278 1 2 1 #> 279 1 3 1 #> 280 1 3 1 #> 281 1 3 1 #> 282 1 3 1 #> 283 1 3 1 #> 284 2 3 1 #> 285 1 3 2 #> 286 2 3 1 #> 287 2 1 3 #> 288 1 3 3 #> 289 3 1 3 #> 290 3 1 1 #> 291 2 1 3 #> 292 1 3 3 #> 293 1 1 2 #> 294 1 3 2 #> 295 1 2 3 #> 296 1 2 1 #> 297 3 2 1 #> 298 1 2 2 #> 299 2 2 1 #> 300 1 3 1 #> 301 3 2 3 #> 302 1 1 1 #> 303 3 1 2 #> 304 3 3 3 #> 305 1 3 2 #> 306 3 3 3 #> 307 3 2 3 #> 308 1 2 2 #> 309 1 1 1 #> 310 1 3 1 #> 311 3 2 3 #> 312 3 1 1 #> 313 3 1 1 #> 314 1 3 3 #> 315 2 2 1 #> 316 3 2 1 #> 317 2 1 1 #> 318 3 1 2 #> 319 2 1 3 #> 320 1 3 3 #> 321 2 3 3 #> 322 1 3 3 #> 323 1 3 3 #> 324 2 2 3 #> 325 1 2 3 #> 326 2 2 3 #> 327 3 2 3 #> 328 3 1 2 #> 329 1 3 2 #> 330 2 1 <NA> #> 331 2 2 2 #> 332 2 2 2 #> 333 3 3 3 #> 334 2 3 3 #> 335 1 3 3 #> 336 1 3 1 #> 337 3 1 3 #> 338 1 3 3 #> 339 3 2 3 #> 340 1 3 2 #> 341 1 3 1 #> 342 3 3 1 #> 343 1 1 2 #> 344 1 3 <NA> #> 345 1 2 2 #> 346 1 2 3 #> 347 1 2 1 #> 348 3 1 3 #> 349 1 3 2 #> 350 1 3 3 #> 351 1 1 2 #> 352 1 3 3 #> 353 2 1 2 #> 354 2 2 2 #> 355 2 1 1 #> 356 3 1 2 #> 357 1 2 3 #> 358 2 2 1 #> 359 3 1 2 #> 360 1 2 3 #> 361 2 2 3 #> 362 1 1 2 #> 363 1 3 2 #> 364 2 3 1 #> 365 1 2 1 #> 366 1 3 1 #> 367 1 3 1 #> 368 2 2 2 #> 369 2 1 2 #> 370 1 3 2 #> 371 1 3 3 #> 372 2 2 3 #> 373 3 2 3 #> 374 3 1 2 #> 375 2 2 3 #> 376 3 1 2 #> 377 2 2 1 #> 378 1 3 2 #> 379 1 2 1 #> 380 2 1 2 #> 381 3 1 1 #> 382 2 1 1 #> 383 3 2 2 #> 384 3 1 3 #> 385 1 3 2 #> 386 1 2 1 #> 387 1 3 2 #> 388 3 3 3 #> 389 2 3 3 #> 390 3 1 2 #> 391 3 1 3 #> 392 2 2 3 #> 393 1 2 1 #> 394 3 2 1 #> 395 3 2 2 #> 396 3 2 1 #> 397 3 1 2 #> 398 3 1 2 #> 399 3 2 1 #> 400 1 3 2 #> 401 2 2 2 #> 402 2 2 1 #> 403 3 1 3 #> 404 2 3 3 #> 405 3 2 1 #> 406 2 1 2 #> 407 1 2 2 #> 408 1 2 3 #> 409 2 1 3 #> 410 3 2 3 #> 411 3 3 3 #> 412 1 1 1 #> 413 2 2 1 #> 414 2 2 1 #> 415 1 2 1 #> 416 2 2 1 #> 417 3 1 1 #> 418 2 2 1 #> 419 3 1 1 #> 420 2 2 3 #> 421 3 2 3 #> 422 2 2 2 #> 423 3 3 2 #> 424 2 2 3 #> 425 2 1 3 #> 426 3 1 1 #> 427 2 2 2 #> 428 2 3 2 #> 429 2 3 3 #> 430 2 3 3 #> 431 1 1 1 #> 432 3 1 2 #> 433 2 2 3 #> 434 2 2 2 #> 435 3 1 3 #> 436 3 2 2 #> 437 3 1 2 #> 438 2 2 2 #> 439 1 3 1 #> 440 3 1 3 #> 441 2 1 2 #> 442 3 3 2 #> 443 3 3 1 #> 444 2 2 3 #> 445 3 1 3 #> 446 2 2 2 #> 447 2 2 3 #> 448 2 1 <NA> #> 449 3 1 3 #> 450 3 2 1 #> 451 1 3 1 #> 452 2 2 2 #> 453 1 3 2 #> 454 1 3 2 #> 455 1 2 3 #> 456 3 1 2 #> 457 1 3 2 #> 458 1 2 3 #> 459 1 3 3 #> 460 2 3 2 #> 461 1 2 3 #> 462 2 3 2 #> 463 2 2 3 #> 464 3 1 3 #> 465 3 2 2 #> 466 3 2 3 #> 467 3 2 2 #> 468 1 3 2 #> 469 1 2 1 #> 470 1 2 2 #> 471 3 2 3 #> 472 1 3 1 #> 473 2 2 2 #> 474 1 3 3 #> 475 1 3 1 #> 476 1 3 2 #> 477 2 1 1 #> 478 3 2 1 #> 479 1 3 1 #> 480 2 2 2 #> 481 3 3 1 #> 482 1 1 2 #> 483 1 3 2 #> 484 1 3 2 #> 485 2 2 2 #> 486 2 3 2 #> 487 3 3 3 #> 488 1 1 3 #> 489 1 3 1 #> 490 1 2 3 #> 491 2 2 2 #> 492 1 2 1 #> 493 2 2 3 #> 494 2 1 2 #> 495 3 1 <NA> #> 496 2 2 2 #> 497 1 2 3 #> 498 2 1 2 #> 499 3 1 1 #> 500 2 2 2 #> 501 3 2 1 #> 502 1 2 2 #> 503 1 2 1 #> 504 3 2 3 #> 505 2 1 2 #> 506 3 1 3 #> 507 3 1 1 #> 508 3 1 1 #> 509 3 1 1 #> 510 3 1 3 #> 511 2 2 2 #> 512 3 1 2 #> 513 3 3 1 #> 514 1 3 3 #> 515 1 3 3 #> 516 3 1 1 #> 517 1 3 3 #> 518 3 <NA> 2 #> 519 3 2 1 #> 520 2 2 2 #> 521 1 2 1 #> 522 3 3 3 #> 523 1 2 1 #> 524 2 2 2 #> 525 1 3 2 #> 526 2 1 2 #> 527 1 1 3 #> 528 1 3 2 #> 529 2 1 2 #> 530 1 3 3 #> 531 3 1 3 #> 532 1 3 1 #> 533 2 2 2 #> 534 1 2 3 #> 535 1 2 2 #> 536 1 2 1 #> 537 2 2 3 #> 538 1 1 3 #> 539 3 1 2 #> 540 2 2 3 #> 541 <NA> 2 3 #> 542 1 3 3 #> 543 1 3 2 #> 544 1 2 1 #> 545 1 3 1 #> 546 1 3 1 #> 547 1 3 1 #> 548 3 2 2 #> 549 3 1 2 #> 550 1 1 2 #> 551 1 3 1 #> 552 1 3 2 #> 553 2 2 3 #> 554 1 3 3 #> 555 1 2 1 #> 556 1 3 1 #> 557 3 3 2 #> 558 3 3 3 #> 559 3 3 2 #> 560 3 3 1 #> 561 3 3 2 #> 562 2 3 3 #> 563 3 2 1 #> 564 1 1 3 #> 565 1 3 1 #> 566 1 3 3 #> 567 1 3 3 #> 568 1 3 1 #> 569 3 2 <NA> #> 570 3 1 3 #> 571 3 1 1 #> 572 3 2 2 #> 573 3 1 3 #> 574 3 1 2 #> 575 3 1 3 #> 576 2 2 2 #> 577 2 1 3 #> 578 3 1 1 #> 579 1 3 2 #> 580 3 1 1 #> 581 2 3 2 #> 582 3 1 3 #> 583 3 1 3 #> 584 3 1 3 #> 585 2 2 1 #> 586 3 1 2 #> 587 2 2 3 #> 588 2 2 2 #> 589 2 2 2 #> 590 1 3 1 #> 591 1 2 3 #> 592 3 1 3 #> 593 3 1 3 #> 594 2 3 1 #> 595 1 3 1 #> 596 3 1 3 #> 597 3 1 1 #> 598 2 1 1 #> 599 3 1 3 #> 600 3 2 3 #> 601 3 2 3 #> 602 2 2 3 #> 603 3 1 2 #> 604 1 3 2 #> 605 1 3 2 #> 606 2 1 3 #> 607 3 2 1 #> 608 3 1 1 #> 609 3 2 2 #> 610 1 3 2 #> 611 2 3 1 #> 612 2 2 1 #> 613 3 1 1 #> 614 2 3 1 #> 615 3 2 3 #> 616 1 1 <NA> #> 617 1 3 3 #> 618 1 3 1 #> 619 1 2 2 #> 620 3 3 3 #> 621 2 1 2 #> 622 1 2 2 #> 623 1 1 3 #> 624 2 3 1 #> 625 3 1 3 #> 626 1 3 1 #> 627 2 3 1 #> 628 2 3 3 #> 629 2 3 3 #> 630 2 3 3 #> 631 2 2 2 #> 632 2 1 1 #> 633 1 1 1 #> 634 3 1 2 #> 635 3 1 3 #> 636 1 1 1 #> 637 1 2 1 #> 638 1 2 2 #> 639 1 3 3 #> 640 3 1 1 #> 641 3 1 3 #> 642 3 3 1 #> 643 1 3 2 #> 644 2 3 2 #> 645 1 3 1 #> 646 2 2 1 #> 647 2 2 2 #> 648 2 2 2 #> 649 2 2 1 #> 650 2 2 2 #> 651 2 3 1 #> 652 2 3 3 #> 653 2 1 1 #> 654 3 1 3 #> 655 1 3 1 #> 656 1 3 2 #> 657 2 3 1 #> 658 1 3 2 #> 659 1 3 2 #> 660 3 3 2 #> 661 2 3 2 #> 662 2 2 1 #> 663 3 1 2 #> 664 1 2 1 #> 665 2 2 2 #> 666 3 2 1 #> 667 2 2 1 #> 668 1 1 3 #> 669 2 2 1 #> 670 2 2 1 #> 671 2 1 1 #> 672 1 1 2 #> 673 2 1 1 #> 674 1 3 1 #> 675 3 1 2 #> 676 2 2 1 #> 677 1 3 3 #> 678 2 2 3 #> 679 1 2 1 #> 680 1 3 3 #> 681 1 3 1 #> 682 1 3 1 #> 683 1 3 2 #> 684 1 3 3 #> 685 1 2 3 #> 686 2 2 1 #> 687 1 2 1 #> 688 2 2 1 #> 689 2 2 1 #> 690 2 2 2 #> 691 1 3 2 #> 692 3 2 2 #> 693 2 2 2 #> 694 2 2 1 #> 695 1 3 3 #> 696 2 2 3 #> 697 3 1 1 #> 698 2 1 3 #> 699 2 2 3 #> 700 3 1 3 #> 701 3 1 1 #> 702 2 2 1 #> 703 3 2 1 #> 704 1 2 3 #> 705 2 2 2 #> 706 3 2 3 #> 707 1 1 1 #> 708 1 2 2 #> 709 2 1 1 #> 710 1 2 1 #> 711 1 2 3 #> 712 3 2 1 #> 713 2 1 1 #> 714 3 2 1 #> 715 2 2 1 #> 716 3 2 2 #> 717 3 2 2 #> 718 1 1 1 #> 719 1 3 1 #> 720 3 1 3 #> 721 1 3 1 #> 722 2 3 1 #> 723 1 2 3 #> 724 3 1 2 #> 725 3 1 2 #> 726 3 1 3 #> 727 3 1 2 #> 728 2 1 2 #> 729 3 1 3 #> 730 2 2 2 #> 731 2 2 2 #> 732 3 1 2 #> 733 2 3 2 #> 734 2 3 3 #> 735 2 3 1 #> 736 2 2 3 #> 737 2 1 1 #> 738 1 3 2 #> 739 3 3 3 #> 740 1 3 3 #> 741 3 3 3 #> 742 1 2 2 #> 743 3 1 3 #> 744 2 2 2 #> 745 2 1 3 #> 746 2 2 2 #> 747 1 1 2 #> 748 2 1 2 #> 749 3 3 3 #> 750 3 2 3 #> 751 1 3 2 #> 752 1 3 3 #> 753 3 2 3 #> 754 2 2 3 #> 755 2 1 2 #> 756 2 2 1 #> 757 1 3 2 #> 758 1 3 3 #> 759 3 1 3 #> 760 1 3 1 #> 761 1 3 1 #> 762 3 1 3 #> 763 1 3 2 #> 764 3 1 3 #> 765 1 3 2 #> 766 1 3 3 #> 767 3 1 1 #> 768 1 3 1 #> 769 1 3 1 #> 770 1 3 2 #> 771 1 3 3 #> 772 1 2 2 #> 773 1 2 3 #> 774 1 2 3 #> 775 1 3 3 #> 776 3 1 1 #> 777 2 1 3 #> 778 2 1 1 #> 779 3 1 1 #> 780 2 2 2 #> 781 1 1 2 #> 782 2 1 1 #> 783 1 3 1 #> 784 1 1 1 #> 785 3 1 2 #> 786 2 2 2 #> 787 3 1 1 #> 788 2 2 1 #> 789 2 2 3 #> 790 1 3 1 #> 791 2 3 1 #> 792 2 1 1 #> 793 1 1 1 #> 794 3 1 3 #> 795 1 3 3 #> 796 2 1 2 #> 797 3 2 3 #> 798 2 2 1 #> 799 2 1 2 #> 800 3 3 3 #> 801 1 3 3 #> 802 3 3 2 #> 803 3 3 2 #> 804 3 2 1 #> 805 1 3 2 #> 806 2 3 2 #> 807 1 3 2 #> 808 1 3 3 #> 809 1 3 3 #> 810 1 3 3 #> 811 1 2 2 #> 812 1 2 2 #> 813 1 2 1 #> 814 3 1 2 #> 815 1 2 1 #> 816 2 2 2 #> 817 3 1 2 #> 818 2 1 3 #> 819 1 3 1 #> 820 2 1 1 #> 821 1 2 1 #> 822 3 2 1 #> 823 3 2 1 #> 824 3 1 1 #> 825 3 3 1 #> 826 3 3 1 #> 827 3 3 1 #> 828 2 1 2 #> 829 3 1 1 #> 830 2 2 1 #> 831 2 3 3 #> 832 2 3 2 #> 833 1 3 2 #> 834 2 1 3 #> 835 2 1 1 #> 836 2 1 1 #> 837 2 1 1 #> 838 1 2 3 #> 839 1 3 1 #> 840 3 3 1 #> 841 3 3 3 #> 842 2 3 3 #> 843 1 3 2 #> 844 2 3 2 #> 845 1 2 1 #> 846 1 1 1 #> 847 1 3 3 #> 848 1 1 2 #> 849 2 2 2 #> 850 1 3 2 #> 851 1 2 1 #> 852 2 3 1 #> 853 2 2 3 #> 854 1 3 2 #> 855 2 3 3 #> 856 1 3 3 #> 857 2 3 3 #> 858 2 1 1 #> 859 3 1 3 #> 860 1 2 1 #> 861 1 3 2 #> 862 2 3 1 #> 863 2 2 2 #> 864 2 1 3 #> 865 2 2 3 #> 866 1 3 2 #> 867 1 2 2 #> 868 1 3 1 #> 869 2 2 1 #> 870 1 3 2 #> 871 1 3 1 #> 872 1 2 2 #> 873 1 1 1 #> 874 1 1 2 #> 875 1 3 2 #> 876 3 1 1 #> 877 3 1 3 #> 878 2 1 2 #> 879 3 1 1 #> 880 1 1 2 #> 881 1 1 3 #> 882 1 1 1 #> 883 2 1 2 #> 884 3 1 3 #> 885 3 1 1 #> 886 3 2 2 #> 887 3 1 2 #> 888 1 3 1 #> 889 2 2 1 #> 890 3 1 3 #> 891 1 3 1 #> 892 1 2 2 #> 893 3 3 2 #> 894 3 1 3 #> 895 2 1 3 #> 896 3 1 3 #> 897 3 1 1 #> 898 1 3 2 #> 899 1 2 2 #> 900 3 3 1 #> 901 2 3 1 #> 902 2 2 1 #> 903 <NA> <NA> <NA> #> 904 <NA> <NA> <NA> #> 905 <NA> <NA> <NA> #> 906 <NA> <NA> <NA> #> 907 <NA> <NA> <NA> #> 908 <NA> <NA> <NA>#> #> # Negative impact with 7 items (neg_c_7_g) <categorical> #> # total N=908 valid N=892 mean=2.03 sd=0.81 #> #> val frq raw.prc valid.prc cum.prc #> 1 280 30.84 31.39 31.39 #> 2 301 33.15 33.74 65.13 #> 3 311 34.25 34.87 100.00 #> <NA> 16 1.76 NA NA #> #> #> # Positive value with 4 items (pos_v_4_g) <categorical> #> # total N=908 valid N=881 mean=2.03 sd=0.81 #> #> val frq raw.prc valid.prc cum.prc #> 1 275 30.29 31.21 31.21 #> 2 304 33.48 34.51 65.72 #> 3 302 33.26 34.28 100.00 #> <NA> 27 2.97 NA NA #> #> #> # elder' age (e17age_g) <categorical> #> # total N=908 valid N=891 mean=2.05 sd=0.82 #> #> val frq raw.prc valid.prc cum.prc #> 1 274 30.18 30.75 30.75 #> 2 294 32.38 33.00 63.75 #> 3 323 35.57 36.25 100.00 #> <NA> 17 1.87 NA NA #> #># original table(efc$e42dep)#> #> 1 2 3 4 #> 66 225 306 304# two groups, non-inclusive cut-point # vector split leads to unequal group sizes table(split_var(efc$e42dep, n = 2))#> #> 1 2 #> 291 610# two groups, inclusive cut-point # group sizes are equal table(split_var(efc$e42dep, n = 2, inclusive = TRUE))#> #> 1 2 #> 597 304# Unlike dplyr's ntile(), split_var() never splits a value # into two different categories, i.e. you always get a clean # separation of original categories library(dplyr) x <- dplyr::ntile(efc$neg_c_7, n = 3) table(efc$neg_c_7, x)#> x #> 1 2 3 #> 7 75 0 0 #> 8 99 0 0 #> 9 106 0 0 #> 10 18 102 0 #> 11 0 96 0 #> 12 0 85 0 #> 13 0 14 50 #> 14 0 0 54 #> 15 0 0 45 #> 16 0 0 30 #> 17 0 0 35 #> 18 0 0 26 #> 19 0 0 16 #> 20 0 0 16 #> 21 0 0 2 #> 22 0 0 7 #> 23 0 0 4 #> 24 0 0 3 #> 25 0 0 6 #> 27 0 0 1 #> 28 0 0 2x <- split_var(efc$neg_c_7, n = 3) table(efc$neg_c_7, x)#> x #> 1 2 3 #> 7 75 0 0 #> 8 99 0 0 #> 9 106 0 0 #> 10 0 120 0 #> 11 0 96 0 #> 12 0 85 0 #> 13 0 0 64 #> 14 0 0 54 #> 15 0 0 45 #> 16 0 0 30 #> 17 0 0 35 #> 18 0 0 26 #> 19 0 0 16 #> 20 0 0 16 #> 21 0 0 2 #> 22 0 0 7 #> 23 0 0 4 #> 24 0 0 3 #> 25 0 0 6 #> 27 0 0 1 #> 28 0 0 2# works also with gouped data frames mtcars %>% split_var(disp, n = 3, append = FALSE) %>% table()#> . #> 1 2 3 #> 11 10 11#> . #> 1 2 3 #> 10 8 14