计算 R 中多列中最高和最低 10% 的值

Question

加载库和示例数据：

library(MASS)
View(Cars93)
Cars93$ID=1:93

现在我想对 Cars93 进行子集化，以便新的 df（sub0l 和 sub0h）具有所有列的所有 ID，但只有顶部（对于 df sub0h）和最低 10% 的值（对于 df @ 987654326@）在第 17:25 列中，其余值（df sub0l 的 11-100 四分位数和 df sub0h 的 0-90 四分位数）可以更改为 NA。

这是我尝试从 17:25 列创建两个具有前 10% 或最低 10% 值的 df：

sub0l <- do.call(rbind,by (Cars93,Cars93$ID,FUN= function(x) 
  subset(Cars93, (Cars93[,17:25] <= quantile(Cars93[,17:25], probs=  .10)))))

sub0h <- do.call(rbind,by (Cars93,Cars93$ID,FUN= function(x) 
  subset(Cars93, (Cars93[,17:25] >= quantile(Cars93[,17:25], probs=  .91)))))

在对列的前十和后四分位数进行子集化时出现错误：

Error in `[.data.frame`(Cars93, ,17:25) : undefined columns selected
Called from: `[.data.frame`(Cars93, ,17:25)

还有更好的选择吗？

Answer 1

我认为以下内容会返回您正在寻找的内容

sub0l <- cbind(Cars93[,1:16], sapply(Cars93[,17:25], 
                  function(i) ifelse(i > quantile(i, probs=0.1, na.rm=T) | is.na(i), NA, i)))

sub0h <- cbind(Cars93[,1:16], sapply(Cars93[,17:25], 
                 function(i) ifelse(i < quantile(i, probs=0.91, na.rm=T) | is.na(i), NA, i)))

sapply 函数循环遍历 data.frame 中应用了分位数函数的每个变量。在每次传递中，通用函数通过“i”参数将变量作为向量访问。然后将其传递给ifelse 函数。此函数查看向量的每个元素 i 并评估它是否通过测试。如果元素通过测试，则分配为 NA，如果失败，则返回其原始值。此过程非常适用于数字变量。

如果某些变量不是数字，那么您可以在sapply 函数中添加额外的检查，如下所示：

sub0l <- cbind(Cars93[,1:16], 
               sapply(Cars93[,17:25], 
                 function(i) {
                   if(is.numeric(i)) {
                     ifelse(i > quantile(i, probs=0.1, na.rm=T) | is.na(i), NA, i)))
                   }
                   else i
                 }))

sub0h <- cbind(Cars93[,1:16], 
               sapply(Cars93[,17:25],
                 function(i) {
                   if(is.numeric(i)) {
                     ifelse(i < quantile(i, probs=0.91, na.rm=T) | is.na(i), NA, i)
                   }
                   else i
                 }))

在开始上述操作之前，通用函数会检查向量 i 是否为数字类型（在 R 中，这是双精度模式或整数模式，请参阅?typeof 以了解 R 中的核心元素类型的讨论）。如果此测试失败，则向量由else i 返回。如果第一个测试通过，则上述过程开始。