R：根据标准赋值

Question

我正在尝试将第一个数据集中的心理问卷测试分数转换为另一个数据集中的标准化分数（百分位数范围）

测试分数是来自接受我问卷调查的 9 个人的一个分数

TestResults <- data.frame(ID = c(1:9),   
               Observed = c(14, 8, 33, 23, 5, 79, 2, 11, 5), Results = NA) 

评分表，来自测试发布者，在 R 中手动实现，为简单起见在此处缩短

ScoringSheet <- data.frame(Percentiles = c(99,95,85,55,10), Score = c(79,33,20,15,5))

我想用ScoringSheet 中观察到的分数的相应百分位值填充Results 列。对于评分，一个简单的算法适用，我无法在 R 中实现

1 如果TestResults$Observed %in% ScoringSheet$Score，那么Results 应该是ScoringSheet 中对应的Percentiles 值。
2 如果!(TestResults$Observed %in% ScoringSheet$Score)，那么TestResults$Results 应该是两个ScoringSheet$Percentiles 的平均值，在这两个Observedscore 之间
3 如果TestResults$Observed < min(ScoringSheet$Score) 那么这些最小观察值的Results 值应该是min(ScoringSheet$Percentiles)/2

因此，我需要这个

TestResults <- data.frame(ID = c(1:9), 
                           Observed = c(14, 8, 33, 23, 5, 79, 2, 11, 5), 
                           Results = c(0.5,0.5,95,90,0.5,99,0.5,0.5,0.5))

到目前为止，我可以在 TestResults$Observed 和 ScoringSheet$Score 上使用 merge() 获得标准 1 的相应百分位数，从而为不完全匹配的值创建 NA。我现在想知道如何实现标准 2 和 3。

提前谢谢你！

Answer 1

可能不是最好的解决方案，但确实可以。首先我们对ScoringSheet 进行排序，然后我们使用match 来查找精确匹配。最后，我们遍历所有未找到完全匹配的记录，并在那里应用您的计算。我添加了一个规则，当分数高于第 99 个百分位分数时，它等于最高百分位分数。我还添加了另外两个条目以显示下面的代码可以正常工作。

TestResults <- data.frame(ID = c(1:11),   
                          Observed = c(14, 8, 33, 23, 5, 79, 2, 11, 5,100,55), Results = NA) 

ScoringSheet <- data.frame(Percentiles = c(99,95,85,55,10), Score = c(79,33,20,15,5))

ScoringSheet = ScoringSheet[order(ScoringSheet$Score,decreasing = F),]
TestResults$Results = ScoringSheet$Percentiles[match(TestResults$Observed,ScoringSheet$Score)]
for(i in which(is.na(TestResults$Results)))
{
  x = tail(which((TestResults$Observed[i]>ScoringSheet$Score)),1)
  if(!length(x)==0)
  {
    TestResults$Results[i] = mean(ScoringSheet$Percentiles[c(x,min(x+1,nrow(ScoringSheet)))])
  }
  else
  {
    TestResults$Results[i] = ScoringSheet$Percentiles[1]/2
  }
}

输出：

   ID Observed Results
1   1       14    32.5
2   2        8    32.5
3   3       33    95.0
4   4       23    90.0
5   5        5    10.0
6   6       79    99.0
7   7        2     5.0
8   8       11    32.5
9   9        5    10.0
10 10      100    99.0
11 11       55    97.0

希望这会有所帮助！