在面板数据中为每一年分配五分位数

Question

您好，我有一个包含 3 列的面板数据：Firm、Year、Income。

Firm <- rep(c("AAA", "BBB", "CCC", "DDD", "EEE"), each = 20)
Year <- rep(seq(1997, 2016, 1), times = 5)
Income <- rnorm(100, mean = 50, sd = 10)
df <- cbind(Firm, Year, Income)

实际数据包含超过 5000 家公司，每家公司超过 50 年。但这是一个足够好的例子。

我想分别为所有公司每年的收入分配五分位数，并将其放入名为Quint 的新列中。 例如，对于 1997 年，公司 AAA 获得收入 50，公司 BBB 获得收入 49，公司 CCC 获得收入 48，公司 DDD 获得收入 47，公司 EEE 获得收入 46。所以公司1997 年，AAA 得了 1，BBB 得了 2，CCC 得了 3，DDD 得了 4，EEE 得了 5。

我有一个自定义函数可以多年来一直执行，但不能在每一年执行：

quan <- function (x){
  y <-ifelse(x <= quantile(x, c(.2), na.rm = TRUE), 1,
        ifelse(x > quantile(x, c(.2), na.rm = TRUE) & x <= quantile(x, c(.4), na.rm = TRUE), 2,
          ifelse(x > quantile(x, c(.4), na.rm = TRUE) & x <= quantile(x, c(.6), na.rm = TRUE), 3,        
            ifelse(x > quantile(x, c(.6), na.rm = TRUE) & x <= quantile(x, c(.8), na.rm = TRUE), 4,
              ifelse(x > quantile(x, c(.8), na.rm = TRUE), 5, NA)))))
  y
}

每年如何做？谢谢。

Answer 1

我们需要在这里使用 group by 函数之一。使用 OP 的quan 函数，在base R，我们可以做aggregate

res <- do.call(data.frame, aggregate(Income ~Year, df, quan))

---

另一种选择是使用cut 和breaks 作为quantiles

quan2 <- function(x) as.integer(cut(x, breaks = quantile(x, 
                   c(0, .2, .4, .6, .8, 1)), include.lowest=TRUE))

res2 <- do.call(data.frame, aggregate(Income ~Year, df, quan2))
all.equal(res1, res2)
#[1] TRUE

---

其他替代方案包括包解决方案，例如 data.table

library(data.table)
setDT(df)[, as.list(quan(Income)), by = Year]

或dplyr/tidyr

library(dplyr)
library(tidyr)
df %>%
    group_by(Year) %>% 
    summarise(Income = list(quan(Income))) %>%
    unnest %>% 
    group_by(Year) %>% 
    mutate(ind = paste0("Income", row_number())) %>% 
    spread(ind, Income)

---

评论/讨论

1) aggregate 的输出导致“收入”列为matrix，因此我们将其转换为具有do.call(data.frame 的正确data.frame 列。

2) 使用cbind 创建数据集将导致matrix 和matrix 只能有一个class。如果有任何character 值，则整个数据集将转换为character 矩阵。因此，当列的class 不同时，最好使用data.frame 或list

数据

df <- data.frame(Firm, Year, Income)