如何找到data.frame的每个变量的分位数答案

【问题标题】：How to find the quantiles of each variable of a data.frame如何找到data.frame的每个变量的分位数
【发布时间】：2018-11-26 10:06:52
【问题描述】：

我有一个包含多个变量的数据框，我想找到每个变量的分位数 ()

示例代码：

testtable = data.frame(groupvar = c(rep('x',100), rep('y',100)), 
                       numericvar = rnorm(200))

我想将quantile(., c(.05, .1, .25, .5, .75, .9, .95)) 应用于testtable 中的每个变量。理想的结果应该是这样的

   x    y
  .05 .05
  .1  .1
  .25 .25
  .5  .5
  .75 .75
  .9  .9
  .95 .95

其中每个条目是x 或y 的分位数。例如，.05 是x 的第 5 个百分位，.1 是x 的第 10 个百分位分布等。

我在dplyr 中尝试了summarise，但遇到了问题，因为我的quantile 函数返回一个长度为7 的向量。

最好的方法是什么？

【问题讨论】：

标签： r dplyr apply lapply summarize

【解决方案1】：

这是一个基本 R 解决方案，其中我们unstack 数据框并计算每列的分位数，即每个分位数，即

sapply(unstack(testtable, numericvar ~ groupvar), function(i) quantile(i, v1))

给出，

              x           y
5%  -1.82980882 -1.49900735
10% -1.26047295 -1.02626933
25% -0.83928910 -0.68248217
50%  0.02757385 -0.02096953
75%  0.64842517  0.48624513
90%  1.63382801  1.09722178
95%  1.91104161  1.72846846

在哪里v1 <- c(0.05, 0.1, 0.25, 0.5, 0.75, 0.9, 0.95)

【讨论】：

稍微短一点：sapply(unstack(testtable, numericvar ~ groupvar), quantile, probs = v1)

【解决方案2】：

lapply的另一种可能，我们需要先转换为list：

l <- split(testtable$numericvar, testtable$groupvar)

现在我们可以得到quantile，然后转换回data.frame：

ll <- lapply(l, function(x) quantile(unlist(x), c(.05, .1, .25, .5, .75, .9, .95)))
as.data.frame(ll)
#             x           y
# 5%  -1.8028162 -1.69293054
# 10% -1.3129427 -1.23125086
# 25% -0.7335853 -0.57010352
# 50% -0.1223181  0.05119533
# 75%  0.6727871  0.66203631
# 90%  1.3411195  1.08830220
# 95%  1.7068070  1.54248740

这可以在一个函数中调用，你可以添加更多使其更通用：

quantile_grouped <- function(data, group_var = "groupvar", quantile_var = "numericvar") {

  l <- split(testtable[, quantile_var], testtable[, group_var ])

  ll <- lapply(l, function(x) quantile(unlist(x), c(.05, .1, .25, .5, .75, .9, .95)))
  as.data.frame(ll)

}
quantile_grouped(testtable)

【讨论】：

对于你的第一行，你可以通过简单地做split(testtable$numericvar, testtable$groupvar)来避免lapply

【解决方案3】：

另一种选择：

pr <- c(0.05, 0.1, 0.25, 0.5, 0.75, 0.9, 0.95)
as.data.frame.list(tapply(testtable$numericvar, testtable$groupvar,
                          quantile, probs = pr))

给出：

              x          y
5%  -1.57823487 -1.5142682
10% -1.28807795 -1.2153000
25% -0.60598752 -0.6889401
50% -0.07536852 -0.2036487
75%  0.57269482  0.4892494
90%  1.04087379  1.2231926
95%  1.22329927  1.7421848

【讨论】：