Question

我有一些看起来如下的数据。它按变量“Year”分组，我想提取每个分数的百分位数，相对于它来自的年份，最好是作为向量。

Year   Score
2001   89
2001   70
2001   72
2001   ...
..........
2004   87
2004   90

等

我该怎么做？聚合不起作用，我认为申请也不会有效。

Answer 1

继续使用Vince的解决方案，您也可以使用plyr或by执行此操作：

ddply(df, .(years), function(x) transform(x, percentile=ecdf(x$scores)(x$scores)))

Answer 2

使用ave

ave(d1$scores, d1$year, FUN=function(x) ecdf(x)(x))

Answer 3

我可能会误解，但我认为可以这样做：

> years = c(2006, 2006, 2006, 2006, 2001, 2001, 2001, 2001, 2001)
> scores = c(13, 65, 23, 34, 78, 56, 89, 98, 100)
> tapply(scores, years, quantile)
$`2001`
  0%  25%  50%  75% 100% 
  56   78   89   98  100 

$`2006`
   0%   25%   50%   75%  100% 
13.00 20.50 28.50 41.75 65.00

这是对的吗？

我的意思是每个人的实际百分位数观察。 - 瑞安罗萨里奥

编辑：

我认为这可能会这样做：

> tapply(scores, years, function(x) { f = ecdf(x); sapply(x, f) })
$`2001`
[1] 0.4 0.2 0.6 0.8 1.0

$`2006`
[1] 0.25 1.00 0.50 0.75

使用您的数据：

> tapply(scores, years, function(x) { f = ecdf(x); sapply(x, f) })
$`2000`
[1] 0.3333333 0.6666667 1.0000000

$`2008`
[1] 0.5 1.0

编辑2：

这可能更快：

tapply(scores, years, function(x) { f = ecdf(x); f(x) })

f()被矢量化： - ）

最后，修改，我保证:-)。如果你想要名字：

> tapply(scores, years, function(x) { f = ecdf(x); r = f(x); names(r) <- x; r })
$`2000`
     1000      1700      2000 
0.3333333 0.6666667 1.0000000 

$`2008`
1500 2000 
 0.5  1.0

Answer 4

您也可以这样做：

# first I'll create two dummy variables (Year, Score)
year <- rep(2001:2005, 2)
score <- round(rnorm(10, 35, 3))

# then coerce variables to data frame
d <- data.frame(year, score)

# then you can use split() function to apply
# function to each stratum of grouping variable
sapply(split(score, year), function(x) quantile(x, probs=seq(.1, .9, .1)))

输出将是这样的：

     2001 2002 2003 2004 2005
10%  34.3 32.1 34.3 29.6 36.1
20%  34.6 32.2 34.6 30.2 36.2
30%  34.9 32.3 34.9 30.8 36.3
40%  35.2 32.4 35.2 31.4 36.4
50%  35.5 32.5 35.5 32.0 36.5
60%  35.8 32.6 35.8 32.6 36.6
70%  36.1 32.7 36.1 33.2 36.7
80%  36.4 32.8 36.4 33.8 36.8
90%  36.7 32.9 36.7 34.4 36.9

如果您愿意，可以使用t（）函数转置行和列。编写函数将是解决此类问题的好方法。我强烈推荐Hadley Wickam写的plyr包。

希望这有帮助！一切顺利！

Answer 5

我找到了一个方法，但它需要一个循环。

group.pctiles <- function(group.var, comparable) {
    unique.vals <- unique(group.var)
    pctiles <- vector(length = length(group.var))
    for (i in 1:length(unique.vals)) {
        slice <- which(group.var == unique.vals[i])
        F <- ecdf(comparable[slice])
        group.pctiles <- F(comparable[slice])
        pctiles[slice] <- group.pctiles
    }
    return(pctiles)
}

group.var是对数据进行分组的变量。在我的问题的例子中，它是年。可比较包含我们想要找到百分位数的值。在我的问题中，可比较的是分数。

对于以下数据，我得到以下结果：

Year,School,Fees
2000,10,1000
2008,1,1050
2008,4,2000
2000,3,1700
2000,1,2000

> group.pctiles(dat, dat$Year, dat$Fees)
[1] 0.3333333 0.5000000 1.0000000 0.6666667 1.0000000

然后，我可以将这些百分位回到原始数据框架中进行分析，报告等。

任何人都有一个不需要循环的解决方案吗？

Answer 6

如下：

Year <- c(2000,2008,2008,2000,2000)
Fees <- c(1000,1050,2000,1700,2000)
dat <- data.frame(Fees,Year,result=NA)
res <- tapply(Fees,Year,function(x) rank(x,ties.method="max")/length(x))
for(i in 1:length(res))
   dat[Year==as.numeric(names(res)[i]),"result"] <-res[[i]]

产生：

  Fees Year    result
1 1000 2000 0.3333333
2 1050 2008 0.5000000
3 2000 2008 1.0000000
4 1700 2000 0.6666667
5 2000 2000 1.0000000

Answer 7

使用data.table也很简单。只是为了完整性，也是查找data.table解决方案的简便方法。

library(data.table)
year <- rep(2001:2005, 2)
score <- round(rnorm(10, 35, 3))

dt <- data.table(score)


dt[, .(Percentile = ecdf(score)(score)), by = list(year)]

每个观察的百分位数w / r / t分组变量

7 个答案: