查找对应于给定百分位数的 DOY答案

【问题标题】：Find DOY corresponding to a given percentile查找对应于给定百分位数的 DOY
【发布时间】：2018-11-11 03:38:18
【问题描述】：

我有一个数据框，其中包含 2013 年至 2017 年的每日 NDVI 值。我的数据框有连续的 NDVI 数据（即，一年中的每一天），但这是我的数据框结构的可重现示例：

year <- sample(2013:2017, 750,replace=TRUE)
DOY <- sample(1:365, 750,replace=TRUE)
NDVI<- runif(750, -1, 1)
df <- cbind(year,DOY,NDVI)

我使用 quantile 和 tapply 函数在数据框中查找每一年对应第 10、30、50 和 80 个百分位数的 NDVI 值：

quantile=do.call("rbind", tapply(df$NDVI, df$year, quantile,c(0.10, 0.30, 0.50, 0.80)))

我的问题是：如何找到每年 NDVI 值的第 10、30、50、80 个百分位数对应的 DOY？例如，如果 NDVI 值 0.3 对应于 2014 年的第 50 个百分位，我想返回对应于 0.3 的 NDVI 的 DOY。

感谢您的帮助！

【问题讨论】：

标签： r percentile

【解决方案1】：

问题是，有时百分位数与 NDVI 中的真实观察结果不匹配。在这些情况下，平均值取 NDVI 值，例如 X 年的第 30 个百分位。在这些情况下，我采用了最接近第 30 个百分位的两个 NDVI 值，您可以选择两者或取相应 DOY 值的平均值。也许这是一个小解决方法，但这是我现在能想到的最好的方法：

set.seed(1)
year <- sample(2013:2017, 750,replace=TRUE)
DOY <- sample(1:365, 750,replace=TRUE)
NDVI<- runif(750, -1, 1)
df <- as.data.frame(cbind(year,DOY,NDVI))
library(dplyr)
library(tidyr)
library(broom)
df %>% 
  group_by(year) %>% 
  do( tidy(t(quantile(.$NDVI, c(0.10, 0.30, 0.50, 0.80)))) ) %>% 
  ungroup() %>% 
  right_join(df) %>% 
  arrange(year, NDVI) %>% 
  group_by(year) %>% 
  filter(abs(X10. - NDVI) == min(abs(X10. - NDVI)) |
       abs(X30. - NDVI) == min(abs(X30. - NDVI)) |
       abs(X50. - NDVI) == min(abs(X50. - NDVI))|
       abs(X80. - NDVI) == min(abs(X80. - NDVI)))

这给出了：

    year   X10.   X30.    X50.  X80.   DOY    NDVI
   <dbl>  <dbl>  <dbl>   <dbl> <dbl> <dbl>   <dbl>
 1 2013. -0.844 -0.459 -0.0144 0.583  247. -0.844 
 2 2013. -0.844 -0.459 -0.0144 0.583   96. -0.447 
 3 2013. -0.844 -0.459 -0.0144 0.583  202. -0.0144
 4 2013. -0.844 -0.459 -0.0144 0.583   59.  0.584 
 5 2014. -0.811 -0.403 -0.0136 0.623  128. -0.818 
 6 2014. -0.811 -0.403 -0.0136 0.623   37. -0.410 
 7 2014. -0.811 -0.403 -0.0136 0.623  187. -0.0136
 8 2014. -0.811 -0.403 -0.0136 0.623  278.  0.620 
 9 2015. -0.890 -0.494 -0.0332 0.646  280. -0.887 
10 2015. -0.890 -0.494 -0.0332 0.646  330. -0.488

【讨论】：

非常感谢！这很有帮助！

【解决方案2】：

这与 Len 的解决方案类似，我重申他们所说的精确匹配的困难。我使用相同的种子来使结果具有可比性。不同之处在于我将分位数保留为长格式，这使得过滤步骤更容易。

library("tidyverse")
set.seed(1)
year <- sample(2013:2017, 750,replace=TRUE)
DOY <- sample(1:365, 750,replace=TRUE)
NDVI<- runif(750, -1, 1)
df <- data_frame(year,DOY,NDVI)

df %>% group_by(year) %>% 
  do(data_frame(p = c(10, 30, 50, 80)/100, q = quantile(.$NDVI, probs = p))) %>% 
  full_join(df) %>% 
  group_by(year, p) %>% 
  slice(which.min(abs(NDVI - q)))


# A tibble: 20 x 5
# Groups:   year, p [20]
    year     p        q   DOY     NDVI
   <int> <dbl>    <dbl> <int>    <dbl>
 1  2013 0.100 -0.844     247 -0.844  
 2  2013 0.300 -0.459      96 -0.447  
 3  2013 0.500 -0.0144    202 -0.0144 
 4  2013 0.800  0.583      59  0.584  
 5  2014 0.100 -0.811     128 -0.818  
 6  2014 0.300 -0.403      37 -0.410  
 7  2014 0.500 -0.0136    187 -0.0136 
 8  2014 0.800  0.623     278  0.620  
 9  2015 0.100 -0.890     280 -0.887  
10  2015 0.300 -0.494     330 -0.488  
11  2015 0.500 -0.0332    316 -0.0332 
12  2015 0.800  0.646     190  0.647  
13  2016 0.100 -0.803     351 -0.803  
14  2016 0.300 -0.447     206 -0.447  
15  2016 0.500 -0.00170   122 -0.00170
16  2016 0.800  0.548     353  0.548  
17  2017 0.100 -0.824     326 -0.830  
18  2017 0.300 -0.484     124 -0.483  
19  2017 0.500 -0.00704   175 -0.00900
20  2017 0.800  0.573      95  0.570

【讨论】：

我一直在寻找这样的东西，以使我的解决方案也以整洁的格式出现，但这次无法提出。谢谢！