R中的中值 - 返回四舍五入的数字

Question

我有一个数据表，其中我根据它们所属的集群标记了行，并计算了行列值的平均值。我想为每个集群选择中间行。

例如，只看一个，我想用：

    median(as.numeric(as.vector(subset(df,df$cluster == i )$avg))) 

我看出来了

> as.numeric(as.vector(subset(df,df$cluster == i )$avg))
 [1] 48.11111111 47.77777778 49.44444444 49.33333333 47.55555556 46.55555556 47.44444444 47.11111111 45.66666667 45.44444444

然而，中位数是

> median(as.numeric(as.vector(subset(df,df$cluster == i )$avg)))
[1] 47.5

我想通过将返回的中值与列中的平均值进行匹配来找到中值记录，但使用此返回值是不可能的。

我找到了一些关于使用均值函数舍入的文档和问题，但不幸的是，这似乎并不适用。

我也可以限制数据的小数位，但有些记录会太接近，如果四舍五入到小数点后重复将很常见。

Answer 1

当输入具有偶数个值（例如您拥有的 10 个值）时，中间没有直接值。在偶数输入的情况下，中位数（R 实现）averages the two middle values 的标准定义。您可以rank 数据，并且在偶数长度输入的情况下选择n/2 或n/2 + 1 记录。

因此，如果您的数据是x = c(8, 6, 7, 5)，则中位数为6.5. 您似乎想要“中位数”的索引，即 2 或 3。

如果我们假设没有关系，那么我们可以得到这些答案

which(rank(x) == length(x) / 2)
# [1] 2
which(rank(x) == length(x) / 2 + 1)
# [1] 3

如果平局有可能，那么rank 的默认平局打破方法会给您带来一些问题。查看?rank 并确定您想使用哪个选项。

当然，我们可以把它变成一个小实用函数：

median_index = function(x) {
  lx = length(x)
  if (lx %% 2 == 1) {
    return(match(median(x), x))
  }
  which(rank(x, ties.method = "first") == lx/2 + 1)
}

Answer 2

有一种更简单的方法：使用 dplyr

library(dplyr)

df%>%
group_by(cluster)%>% 
summarise(Median=median(avg))