Question

有人可以告诉我R中的分位数功能和HMISC包中的cut2功能之间的区别吗？

据我所知，分位数有9种不同的方法来指定四分位数。但是，当我使用函数cut2（mydata，g = 4）时，输出的四分位数不对应于任何分位数函数输出。

非常感谢任何帮助。

提前致谢。

Answer 1

来自cut2帮助文件：

像剪切一样的功能，但左端点是包含的，标签是形式[下，上]，除了最后一个区间是[下，上]。如果给出剪切，默认情况下将确保剪切包括整个剪切范围x。

因此，cut2基本上是cut，有几个不同的默认值。让我们看一下cut。

来自cut帮助文件：

cut将x的范围划分为间隔，并对x中的值进行编码根据他们下降的间隔。最左边的间隔对应于第一级，下一个最左边到第二级，依此类推。

来自quantile帮助文件：

通用函数分位数产生对应的样本分位数给定的概率。最小的观察对应于a 概率为0，最大概率为1。

一个削减x的范围，另一个削减＆＃34;频率＆＃34; x。

插图：

out <- 0:100
out2 <- c(seq(0, 50, 0.001), 51:100)

两者都有相同的范围。从0到100.

levels(cut(out,4, include.lowest = T))
[1] "[-0.1,25]" "(25,50]"   "(50,75]"   "(75,100]" 
levels(cut(out2,4, include.lowest = T))
[1] "[-0.1,25]" "(25,50]"   "(50,75]"   "(75,100]"

但还有更多＆＃34;数据点＆＃34;居住在out2，特别是0到50之间的值。因此，他们在该范围内的频率不同：

quantile(out)
  0%  25%  50%  75% 100% 
   0   25   50   75  100 
quantile(out2)
      0%      25%      50%      75%     100% 
  0.0000  12.5125  25.0250  37.5375 100.0000

这是cut和quantile之间的区别。

上面的例子也告诉你两者是否一致，即在均匀分布的情况下。例如，从0到100的顺序均匀分布在0到100的范围内。这里两者基本相同。

为了进一步说明，请考虑：

outdf <- data.frame(out=out, cut=cut(out,4, include.lowest = T))
out2df <- data.frame(out=out2, cut=cut(out2,4, include.lowest = T))

table(outdf$cut)
[-0.1,25]   (25,50]   (50,75]  (75,100] 
       26        25        25        25 
table(out2df$cut)
[-0.1,25]   (25,50]   (50,75]  (75,100] 
    25001     25000        25        25

在这里，您可以清楚地看到每个箱子中的不同频率。

R - cut2与分位数函数

1 个答案: