如何创建具有四分位数的列？答案

【问题标题】：How to create a column with a quartile rank?如何创建具有四分位数的列？
【发布时间】：2011-09-22 00:26:04
【问题描述】：

我在 R 中有一个名为 tableOne 的表，如下所示：

idNum        binaryVariable        salePrice
2               1                    55.56
4               0                    88.33
15              0                     4.45
87              1                    35.77
...            ...                    ...

我想使用以下产生的值：summary(tableOne$salePrice) 来按 salePrice 创建四个四分位数。然后，我想创建一个 tableOne$quartile 列，其中每行 salePrice 所在的四分位数。它看起来像：

idNum        binaryVariable            salePrice      quartile
    2               1                    55.56            3
    4               0                    88.33            4
    15              0                     4.45            1
    87              1                    35.77            2 
    ...            ...                    ...            ...

有什么建议吗？

【问题讨论】：

标签： r

【解决方案1】：

应该这样做：

tableOne <- within(tableOne, quartile <- as.integer(cut(salesPrice, quantile(salesPrice, probs=0:4/4), include.lowest=TRUE)))

...一些细节：

within 函数非常适合计算新列。您不必将列称为 tableOne$salesPrice等

tableOne <- within(tableOne, quartile <- <<<some expression>>>)

quantile 函数计算分位数（或在您的情况下为四分位数）。 0:4/4 计算结果为 c(0, 0.25, 0.50, 0.75, 1)。

最后，cut 函数将您的数据拆分为这些四分位数。但是你会得到一个名字很奇怪的factor，所以as.integer 把它变成了组1,2,3,4。

尝试?within 等以了解有关此处提到的功能的更多信息...

【讨论】：

除了更改为integer，还可以使用cut 的label 选项。使用非常四分位数（或分位数）作为标签使其明确了类的限制。在这种情况下，..., label = quantile(salesPrice, probs=0:4/4)[2:5]。需要去掉一个标签（零）。

【解决方案2】：

data.table 方法

    library(data.table)
    tableOne <- setDT(tableOne)[, quartile := cut(salesPrice, quantile(salesPrice, probs=0:4/4), include.lowest=TRUE, labels=FALSE)]

【讨论】：

【解决方案3】：

使用 dplyr 你可以使用 ntile 函数：

ntile(x, n)


tableOne$quartile <- ntile(tableOne$salesPrice, 4)

这将在表格中添加一列，为每行分配一个基于 n 的分位数及其所在的价格分位数。

注意：此方法从较低的值 1 开始，然后从那里向上工作。

【讨论】：

ntile() 不分成四分位等级，它把数据分成n 大小相等的桶。

【解决方案4】：

在cut() 中设置参数labels=FALSE 以整数形式返回类别名称。见?cut

tableOne <- within(tableOne, quartile <- cut(salesPrice, quantile(salesPrice, probs=0:4/4), include.lowest=TRUE, labels=FALSE))

【讨论】：

【解决方案5】：

您可以使用以下脚本

tableOne$Quartile<-ifelse(tableOne$salesPrice<=quantile(tableOne$salesPrice,c(0.25)),1,
                           ifelse(tableOne$salesPrice<=quantile(tableOne$salesPrice,c(0.5)),2,
                                  ifelse(tableOne$salesPrice<=quantile(tableOne$salesPrice,c(0.75)),3,
                                         ifelse(tableOne$salesPrice<=quantile(tableOne$salesPrice,c(1)),4,NA))))

【讨论】：

虽然这可行，但效率低下，因为它会重新计算每个级别的分位数。而且它显然不能很好地扩大规模......如果你想要十分位数而不是四分位数，那会很烦人。如果您想要百分位数而不是四分位数，那将是一团糟。

【解决方案6】：

使用包cutr 我们可以做到：

# devtools::install_github("moodymudskipper/cutr")
library(cutr)
df$quartile <- smart_cut(df$salePrice, 4, "g", output = "numeric")
#   idNum binaryVariable salePrice quartile
# 1     2              1     55.56        3
# 2     4              0     88.33        4
# 3    15              0      4.45        1
# 4    87              1     35.77        2

【讨论】：

【解决方案7】：

以下代码创建一个 ntile 组向量：

qgroup = function(numvec, n = 4){

    qtile = quantile(numvec, probs = seq(0, 1, 1/n))
    out = sapply(numvec, function(x) sum(x >= qtile[-(n+1)]))

    return(out)
}

【讨论】：