我看到很多问题和答案重新order和sort。是否有任何将矢量或数据帧分类为分组（如四分位数或十分位数）的东西？我有一个“手动”解决方案，但可能有一个更好的解决方案已经过小组测试。
这是我的尝试：
temp <- data.frame(name=letters[1:12], value=rnorm(12), quartile=rep(NA, 12))
temp
# name value quartile
# 1 a 2.55118169 NA
# 2 b 0.79755259 NA
# 3 c 0.16918905 NA
# 4 d 1.73359245 NA
# 5 e 0.41027113 NA
# 6 f 0.73012966 NA
# 7 g -1.35901658 NA
# 8 h -0.80591167 NA
# 9 i 0.48966739 NA
# 10 j 0.88856758 NA
# 11 k 0.05146856 NA
# 12 l -0.12310229 NA
temp.sorted <- temp[order(temp$value), ]
temp.sorted$quartile <- rep(1:4, each=12/4)
temp <- temp.sorted[order(as.numeric(rownames(temp.sorted))), ]
temp
# name value quartile
# 1 a 2.55118169 4
# 2 b 0.79755259 3
# 3 c 0.16918905 2
# 4 d 1.73359245 4
# 5 e 0.41027113 2
# 6 f 0.73012966 3
# 7 g -1.35901658 1
# 8 h -0.80591167 1
# 9 i 0.48966739 3
# 10 j 0.88856758 4
# 11 k 0.05146856 2
# 12 l -0.12310229 1
有更好的（更干净/更快/一线）方法吗？谢谢！
答案 0 :(得分：71)
我使用的方法之一是Hmisc::cut2(value, g=4)：
temp$quartile <- with(temp, cut(value,
breaks=quantile(value, probs=seq(0,1, by=0.25), na.rm=TRUE),
include.lowest=TRUE))
替代方案可能是：
temp$quartile <- with(temp, factor(
findInterval( val, c(-Inf,
quantile(val, probs=c(0.25, .5, .75)), Inf) , na.rm=TRUE),
labels=c("Q1","Q2","Q3","Q4")
))
第一个有副作用用值来标记四分位数，我认为这是一个“好东西”，但如果它不是“对你有好处”，或者评论中提出的有效问题是一个问题您可以使用版本2.您可以在labels=中使用cut，或者可以将此行添加到您的代码中：
temp$quartile <- factor(temp$quartile, levels=c("1","2","3","4") )
甚至更快，但稍微更模糊一些，虽然它不再是一个因素，而是一个数字向量：
temp$quartile <- as.numeric(temp$quartile)
答案 1 :(得分：63)
包ntile中有一个方便的dplyr功能。它具有灵活性，您可以非常轻松地定义* tile或＆＃34; bin＆＃34;你想创造。
加载包（如果没有，请先安装）并添加四分位列：
library(dplyr)
temp$quartile <- ntile(temp$value, 4)
或者，如果您想使用dplyr语法：
temp <- temp %>% mutate(quartile = ntile(value, 4))
两种情况的结果是：
temp
# name value quartile
#1 a -0.56047565 1
#2 b -0.23017749 2
#3 c 1.55870831 4
#4 d 0.07050839 2
#5 e 0.12928774 3
#6 f 1.71506499 4
#7 g 0.46091621 3
#8 h -1.26506123 1
#9 i -0.68685285 1
#10 j -0.44566197 2
#11 k 1.22408180 4
#12 l 0.35981383 3
请注意，您不需要创建＆＃34;四分位数＆＃34;提前使用列并使用set.seed使随机化可重现：
set.seed(123)
temp <- data.frame(name=letters[1:12], value=rnorm(12))
答案 2 :(得分：18)
我会为其他人添加data.table版本Google搜索（即@ BondedDust的解决方案翻译为data.table并减少一点）：
library(data.table)
setDT(temp)
temp[ , quartile := cut(value,
breaks = quantile(value, probs = 0:4/4),
labels = 1:4, right = FALSE)]
哪个更好（更干净，faster）比我一直做得更好：
temp[ , quartile :=
as.factor(ifelse(value < quantile(value, .25), 1,
ifelse(value < quantile(value, .5), 2,
ifelse(value < quantile(value, .75), 3, 4))]
rep(0:1, c(100, 1))失败;在这种情况下该怎么办是开放式的，所以我留给你。
答案 3 :(得分：6)
您可以使用quantile()功能，但在使用cut()时需要处理舍入/精度。所以
set.seed(123)
temp <- data.frame(name=letters[1:12], value=rnorm(12), quartile=rep(NA, 12))
brks <- with(temp, quantile(value, probs = c(0, 0.25, 0.5, 0.75, 1)))
temp <- within(temp, quartile <- cut(value, breaks = brks, labels = 1:4,
include.lowest = TRUE))
，并提供：
> head(temp)
name value quartile
1 a -0.56047565 1
2 b -0.23017749 2
3 c 1.55870831 4
4 d 0.07050839 2
5 e 0.12928774 3
6 f 1.71506499 4
答案 4 :(得分：5)
调整dplyr::ntile以利用data.table优化可提供更快的解决方案。
library(data.table)
setDT(temp)
temp[order(value) , quartile := floor( 1 + 4 * (.I-1) / .N)]
可能不符合清洁条件，但速度更快，更单线。
根据@docendo_discimus和@MichaelChirico的建议，将此解决方案与ntile和cut进行比较。
data.table给出：
library(microbenchmark)
library(dplyr)
set.seed(123)
n <- 1e6
temp <- data.frame(name=sample(letters, size=n, replace=TRUE), value=rnorm(n))
setDT(temp)
microbenchmark(
"ntile" = temp[, quartile_ntile := ntile(value, 4)],
"cut" = temp[, quartile_cut := cut(value,
breaks = quantile(value, probs = seq(0, 1, by=1/4)),
labels = 1:4, right=FALSE)],
"dt_ntile" = temp[order(value), quartile_ntile_dt := floor( 1 + 4 * (.I-1)/.N)]
)
答案 5 :(得分：3)
很抱歉这个派对有点晚了。我想用cut2添加我的一个班轮，因为我不知道我的数据的最大/最小值，并希望这些组的大小相同。我在一个标记为重复的问题中读到了cut2（链接如下）。
library(Hmisc) #For cut2
set.seed(123) #To keep answers below identical to my random run
temp <- data.frame(name=letters[1:12], value=rnorm(12), quartile=rep(NA, 12))
temp$quartile <- as.numeric(cut2(temp$value, g=4)) #as.numeric to number the factors
temp$quartileBounds <- cut2(temp$value, g=4)
temp
结果：
> temp
name value quartile quartileBounds
1 a -0.56047565 1 [-1.265,-0.446)
2 b -0.23017749 2 [-0.446, 0.129)
3 c 1.55870831 4 [ 1.224, 1.715]
4 d 0.07050839 2 [-0.446, 0.129)
5 e 0.12928774 3 [ 0.129, 1.224)
6 f 1.71506499 4 [ 1.224, 1.715]
7 g 0.46091621 3 [ 0.129, 1.224)
8 h -1.26506123 1 [-1.265,-0.446)
9 i -0.68685285 1 [-1.265,-0.446)
10 j -0.44566197 2 [-0.446, 0.129)
11 k 1.22408180 4 [ 1.224, 1.715]
12 l 0.35981383 3 [ 0.129, 1.224)
答案 6 :(得分：0)
temp$quartile <- ceiling(sapply(temp$value,function(x) sum(x-temp$value>=0))/(length(temp$value)/4))
答案 7 :(得分：0)
我想提出一个看起来更健壮的版本，因为我在我的数据集的break选项quantile()中使用cut()遇到了很多问题。
我使用的是ntile plyr函数，但它也适用于ecdf作为输入。
temp[, `:=`(quartile = .bincode(x = ntile(value, 100), breaks = seq(0,100,25), right = TRUE, include.lowest = TRUE)
decile = .bincode(x = ntile(value, 100), breaks = seq(0,100,10), right = TRUE, include.lowest = TRUE)
)]
temp[, `:=`(quartile = .bincode(x = ecdf(value)(value), breaks = seq(0,1,0.25), right = TRUE, include.lowest = TRUE)
decile = .bincode(x = ecdf(value)(value), breaks = seq(0,1,0.1), right = TRUE, include.lowest = TRUE)
)]
这是对的吗？
答案 8 :(得分：0)
尝试此功能
getQuantileGroupNum <- function(vec, group_num, decreasing=FALSE) {
if(decreasing) {
abs(cut(vec, quantile(vec, probs=seq(0, 1, 1 / group_num), type=8, na.rm=TRUE), labels=FALSE, include.lowest=T) - group_num - 1)
} else {
cut(vec, quantile(vec, probs=seq(0, 1, 1 / group_num), type=8, na.rm=TRUE), labels=FALSE, include.lowest=T)
}
}
> t1 <- runif(7)
> t1
[1] 0.4336094 0.2842928 0.5578876 0.2678694 0.6495285 0.3706474 0.5976223
> getQuantileGroupNum(t1, 4)
[1] 2 1 3 1 4 2 4
> getQuantileGroupNum(t1, 4, decreasing=T)
[1] 3 4 2 4 1 3 1
答案 9 :(得分：-1)
可能有更快的方法，但我会这样做：
a <- rnorm(100) # Our data
q <- quantile(a) # You can supply your own breaks, see ?quantile
# Define a simple function that checks in which quantile a number falls
getQuant <- function(x)
{
for (i in 1:(length(q)-1))
{
if (x>=q[i] && x<q[i+1])
break;
}
i
}
# Apply the function to the data
res <- unlist(lapply(as.matrix(a), getQuant))