使用 ntile 分成 2 或 3 组答案

【问题标题】：Using ntile to split into groups of 2 or 3使用 ntile 分成 2 或 3 组
【发布时间】：2017-03-14 19:06:17
【问题描述】：

我想使用 dplyr 包中的 ntile 来生成分位数向量。当我将数据划分到的组数量较少时，就会出现问题。

例如，如果我有一个-1 和1 的向量，则值-1 应该在分位数1 中，值1 应该在分位数2 中：

library(dplyr)
index2 <- rep(c(-1,1,-1),each=4) 
#[1] -1 -1 -1 -1  1  1  1  1 -1 -1 -1 -1

但是，使用ntile，最后两个数据点的分位数错误（2 而不是 1）

ntile(index2,2)
# [1] 1 1 1 1 2 2 2 2 1 1 2 2

这是我对 index2 分位数的预期结果：

   #  1  1  1  1  2  2  2  2  1  1  1  1

n=3 也有同样的问题。结果并不如预期。

index3 <- rep(c(-1,1,-2,-2),each=3)
#[1] -1 -1 -1  1  1  1 -2 -2 -2 -2 -2 -2
ntile(index3,3)
#[1] 2 2 3 3 3 3 1 1 1 1 2 2

这是我对 index3 分位数的预期结果：

#  2  2  2  3  3  3  1  1  1  1  1  1

我也愿意接受cut 和quantile() 解决方案。

【问题讨论】：

ntile() 函数拆分数据，因此每个组具有大致相同数量的值。如果你全是 1 并要求两组，那么 1/2 将分配给第一个，1/2 分配给第二个。听起来你可能真的不想要分位数？如果您的值已经是离散的，也许只是将它们作为因素？我真的不知道你在这里期望什么行为。
我预计会与中值相比有所下降，而不是平均值。因此，预计两个分位数中的元素数量不会相同。
那么如果你有所有的 1 并且你请求 3 个组；行为会是什么？
那不会发生。在我的真实数据中，不同数据点的最少数量为 2，在这种情况下分位数为 2。
也许this post about splitting a variable into groups 是相关的，ggplot2 包中的cut_number 函数可能会有所帮助

标签： r dplyr

【解决方案1】：

这个功能怎么样

quant_cut <- function(x, n) {
    qs <- quantile(x, 1:(n-1)/n)
    brks <- c(-Inf, qs, Inf)
    cut(x, breaks=brks, labels=FALSE)
}

我们计算分位数，然后使用 cut 在这些值处中断（导致可能不均匀的分组）。例如

index2 <- rep(c(-1,1,-1),each=4) 
quant_cut(index2, 2)
#  [1] 1 1 1 1 2 2 2 2 1 1 1 1

和

index3 <- rep(c(-1,1,-2,-2),each=3)
quant_cut(index3,3)
# [1] 2 2 2 3 3 3 1 1 1 1 1 1

【讨论】：