R中的子集非连续观察答案

【问题标题】：subsetting nonconsecituve observations in RR中的子集非连续观察
【发布时间】：2010-06-04 00:49:50
【问题描述】：

我有一个超过 2M 行的表。我只对一个变量的百分位数与观察次数的百分位数（例如洛伦兹曲线）感兴趣。

如何创建一个较小的数据框，其中包含例如观察编号 1,101,201,301,...,last 或对应于例如的观察观察总数的 1,2,3,...,100 个百分位数？
有没有一种快速的方法来获得（索引，变量）的洛伦兹曲线与轴的百分比？现在我正在考虑为索引和变量的百分位数添加变量，然后将它们相互绘制。

谢谢，

罗伯托

【问题讨论】：

标签： r

【解决方案1】：

至于第一个问题，我将使用quantile 函数，根据（比如说）第一列的总数的 1,2,3,...,100 个百分位数获取数据帧的子集观察结果（假设第 1 列中的整数值）

df[df[,1] %in% round(quantile(df[,1], probs = c(1:100)/100)),]

【讨论】：

我同意这是 Roberto 要求的，但我不确定它是否是有用的子集，因为它可能具有与原始属性截然不同的属性。可能有几行匹配某些百分位数，而没有匹配其他百分位数。
George，我尝试了以下方法（我对行号的分位数感兴趣）：df_small <- subset(df, row(df) %in% round(nrow(df)/100*(1:100),0)) 我得到：Error: (subscript) logical subscript too long 我不知道为什么会这样。想法？ Richie：你的观察是对的，但我只想要一个包含 100 个数据点的汇总帕累托图，所以应该没问题。
@Roberto 我建议df_small <- df[round(nrow(df)/100*(1:100),0),]

【解决方案2】：

对于“大”数据集

dfr <- data.frame(x = 1:1000, y = runif(1000))

您可以使用规则间隔行的子集

dfr[!(seq_len(nrow(dfr)) %% 50),]

或随机子集

dfr[sample(nrow(dfr), 20),]

如 gd047 所述，使用quantile 获取分位数/百分位数。

【讨论】：