R: pmax() 函数忽略 NA 的？

Question

我构建了这个自定义的“winsorize”函数，它可以做它应该做的事情，除非数据中有 NA。

它是如何工作的：

winsor1 <- function(x, probability){

  numWin <- ceiling(length(x)*probability)

  # Replace first lower, then upper
  x <- pmax(x, sort(x)[numWin+1])
  x <- pmin(x, sort(x)[length(x)-numWin])

  return(x)
}

x <- 0:10

winsor1(x, probability=0.01)
[1] 1  1  2  3  4  5  6  7  8  9  9

所以它替换了顶部（和底部）1% 的数据（四舍五入到下一个值，因为示例中只有 11 个值）。例如，如果有 250 个值，则底部 3 和顶部 3 值将分别替换为底部 4 和顶部 4。

当数据中有 NA 时，整个事情就会崩溃，从而导致错误。但是，如果我在pmax() 和pmin() 中设置na.rm = TRUE，那么NA's 本身将被底部值替换。

x[5] <- NA

winsor1(x, probability=0.01)
[1] 1  1  2  3  1  5  6  7  8  9  9

我该怎么做才能保留NA's 但不会导致错误？这是我想要的最后一行的输出：

winsor1(x, probability=0.01)
[1] 1  1  2  3  NA  5  6  7  8  9  9

Answer 1

问题在于sort，因为它默认删除了NA，否则我们必须指定na.last = TRUE，这也可能不是我们需要的情况。一种选择是order

winsor1 <- function(x, probability){

  numWin <- ceiling(length(x)*probability)

  # Replace first lower, then upper
  x1 <- x[order(x)]
  x <- pmax(x, x1[numWin+1])
  x1 <- x1[order(x1)]
  x <- pmin(x, x1[length(x)-numWin], na.rm = TRUE)

  return(x)
}

-测试

x <- 0:10
winsor1(x, probability=0.01)
#[1] 1 1 2 3 4 5 6 7 8 9 9

x[5] <- NA 
winsor1(x, probability=0.01)
#[1]  1  1  2  3 NA  5  6  7  8  9 10

---

或在sort 中使用na.last

winsor1 <- function(x, probability){

  numWin <- ceiling(length(x)*probability)

  # Replace first lower, then upper
  x <- pmax(x, sort(x, na.last = TRUE)[numWin+1])
  x <- pmin(x, sort(x, na.last = TRUE)[length(x)-numWin], na.rm = TRUE)

  return(x)
}