R中的ntile和cut然后分位数（）函数之间的区别

Question

我在这个主题上找到了两个线程来计算 R 中的十分位数。但是，这两种方法，即 dplyr::ntile 和 quantile() 都会产生不同的输出。事实上，dplyr::ntile() 无法输出正确的十分位数。

方法一：使用 ntile() 从R: splitting dataset into quartiles/deciles. What is the right method? 线程，我们可以使用ntile()。

这是我的代码：

vector<-c(0.0242034679584454, 0.0240411606258083, 0.00519255930109344, 
  0.00948031338483081, 0.000549450549450549, 0.085972850678733, 
  0.00231687756193192, NA, 0.1131625967838, 0.00539244534707915, 
  0.0604885614579294, 0.0352030947775629, 0.00935626135385923, 
  0.401201201201201, 0.0208212839791787, NA, 0.0462887301644538, 
  0.0224952741020794, NA, NA, 0.000984952654008562)

ntile(vector,10)

输出是：

ntile(vector,10)
5  5  2  3  1  7  1 NA  8  2  7  6  3  8  4 NA  6  4 NA NA  1

如果我们对此进行分析，我们会发现没有第 10 个分位数！

方法二：使用 quantile() 现在，让我们使用来自How to quickly form groups (quartiles, deciles, etc) by ordering column(s) in a data frame 线程的方法。

这是我的代码：

as.numeric(cut(vector, breaks=quantile(vector, probs=seq(0,1, length  = 11), na.rm=TRUE),include.lowest=TRUE))

输出是：

 7  6  2  4  1  9  2 NA 10  3  9  7  4 10  5 NA  8  5 NA NA  1

正如我们所见，输出完全不同。我在这里想念什么？如有任何想法，我将不胜感激。

这是ntile() 函数中的错误吗？

Answer 1

在dplyr::ntile 中NA 总是排在最后（最高排名），这就是为什么在这种情况下您看不到第 10 个十分位的原因。如果您希望十分位数不考虑NAs，您可以定义一个类似here 的函数，我接下来使用它：

ntile_na <- function(x,n)
{
  notna <- !is.na(x)
  out <- rep(NA_real_,length(x))
  out[notna] <- ntile(x[notna],n)
  return(out)
}

ntile_na(vector, 10)
# [1]  6  6  2  4  1  9  2 NA  9  3  8  7  3 10  5 NA  8  5 NA NA  1

另外，quantile 有 9 种计算分位数的方法，您使用的是默认值，即数字 7（您可以查看 ?stats::quantile 以获得不同的 types，以及 here 以了解有关它们的讨论）。

如果你尝试

as.numeric(cut(vector, 
               breaks = quantile(vector, 
                                 probs = seq(0, 1, length = 11), 
                                 na.rm = TRUE,
                                 type = 2),
               include.lowest = TRUE))
# [1]  6  6  2  4  1  9  2 NA  9  3  8  7  3 10  5 NA  8  5 NA NA  1

您的结果与使用ntile 的结果相同。

总而言之：这不是错误，只是它们的实现方式不同。