计算人口年龄四分位数范围并将结果存储为 R 中的数据框的最佳方法答案

【问题标题】：Best way to calculate quartile ranges of population ages and store results as a data frame in R计算人口年龄四分位数范围并将结果存储为 R 中的数据框的最佳方法
【发布时间】：2021-06-27 10:07:50
【问题描述】：

我有一个数据框，其中包含多年来每年的人口数据。我想获得每年的中位数、Q1 和 Q3 年龄，并将结果存储为新数据框。解决这个问题的最佳方法是什么？这是我的数据示例。每一年列包含相应年龄的人数：

Age | 2000 | 2001 | 2002 
------------------------
2   | 4    | 1    | 2   
3   | 6    | 3    | 5  
4   | 10   | 9    | 8 
5   | 8    | 9    | 8
6   | 7    | 7    | 8

编辑：只是为了添加更多细节。要获得中位数和四分位数范围，我很可能需要获得每年的累积频率。我可以创建一个包含所有 CF 的数据框并加入年龄列，并在此基础上创建一个具有中位数和 q 范围年龄的新数据框，但我确信有一种更有效的方法。

【问题讨论】：

标签： r dataframe quantile

【解决方案1】：

确定基于您的描述我更新了我的代码。首先我每年递增年龄分布，然后计算所需的统计信息：

library(dplyr)
library(tidyr)

df <- tribble(
  ~ Age,  ~`2000`,  ~`2001`,  ~`2002`, 
  
  2,    4,     1,     2,   
  3,    6,     3,     5,  
  4,    10,    9,     8, 
  5,    8,     9,     8,
  6,    7,     7,     8
)



df %>%
  rowwise() %>%
  mutate(across(`2000`:`2002`, ~ list(rep(Age, .x)))) %>%
  pivot_longer(- Age, names_to = "years", values_to = "values") %>%
  unnest(values) %>% 
  select(-Age) %>%
  group_by(years) %>%
  summarise(medians = median(values),
            quantiles = list(quantile(values, probs = c(0.25, 0.75)))) %>%
  unnest_wider(quantiles)

# A tibble: 3 x 4
  years medians `25%` `75%`
  <chr>   <dbl> <dbl> <dbl>
1 2000        4     3   5  
2 2001        5     4   5  
3 2002        5     4   5.5

如果您需要进一步的解释，请告诉我。

【讨论】：

我不确定这是我正在寻找的。我每年需要中位数和四分位数。因此，例如，2000年有四名2岁的孩子，六年3岁，十岁4岁等，所以我想我需要为每年创造某种累积频率，并根据该跨度计算中位数等>
确定我只是更新了我的代码。请检查出来。 span>
感谢您的更新。此示例也有效 span>
我的荣幸。我只是不明白你最初想要的东西。很高兴它终于锻炼了。 span>

【解决方案2】：

tidyr 包中有一个非常有用的函数uncount，我们可以使用它。首先，我们使用pivot_longer 将年份列移动为行。然后，我们使用uncount，以便每个年龄出现的次数与其出现的次数一样多。然后，group_by 年份并使用summarise 计算汇总统计信息。

library(tidyverse)

dat %>%
    pivot_longer(-Age, 
                 names_to = "year", 
                 names_prefix = "X", 
                 values_to = "cnt") %>%
    uncount(cnt) %>%
    group_by(year) %>%
    summarise(q25 = quantile(Age, .25),
              q50 = median(Age),
              q75 = quantile(Age, .75))

#   year    q25   q50   q75
#   <chr> <dbl> <int> <dbl>
# 1 2000      3     4   5  
# 2 2001      4     5   5  
# 3 2002      4     5   5.5

这是一个基本的 R 解决方案，使用与 rep 函数类似的想法：

apply(dat[,-1], 2, 
      FUN = function(x){
          rep_age <- rep(dat$Age, x)
          c(quantile(rep_age, .25), 
            quantile(rep_age, .5), 
            quantile(rep_age, .75))
          })

#     X2000 X2001 X2002
# 25%     3     4   4.0
# 50%     4     5   5.0
# 75%     5     5   5.5

数据

dat <- structure(list(Age = 2:6, 
                      X2000 = c(4L, 6L, 10L, 8L, 7L), 
                      X2001 = c(1L, 3L, 9L, 9L, 7L), 
                      X2002 = c(2L, 5L, 8L, 8L, 8L)), 
                 class = "data.frame", 
                 row.names = c(NA, -5L))

【讨论】：

我真的很喜欢你使用 uncount 函数的想法。以前从未使用过。谢谢。
谢谢。它的用例似乎有限，所以有理由使用它是令人兴奋的。