Question

一般来说，我希望获得一列分布的数据框的最高分位。但是，它需要成为另一列的每个唯一分类值的最高分位。

我想它必须分几个步骤完成，可能还有一个循环。首先，我需要根据唯一的分类值分离数据帧，然后只保留每个新数据帧的最高五分位数，然后最后再将数据帧重新绑定在一起。但我不知道该怎么做。

一些示例数据：

dat <- data.frame(x = rep(letters[1:3],times = 5),
                  y = rep(1:3,each = 5))
    > dat
   x y
1  a 1
2  b 1
3  c 1
4  a 1
5  b 1
6  c 2
7  a 2
8  b 2
9  c 2
10 a 2
11 b 3
12 c 3
13 a 3
14 b 3
15 c 3

在第1步中，我想为每个唯一的分类值创建一个数据框。类似的东西：

df.b和df.c相应地

在第二步中，我只想保留每个新数据框的最高分位。类似的东西：

应该成为这个：

> df.a=df.a[df.a$y > quantile(df.a, 0.5, na.rm = TRUE),]
     # taking the top 50% because the top quintile would not work with the sample data.

在最后一步中，我需要重新绑定所有新数据帧。

Answer 1

如您所述，您的样本数据使得很难使用五分位数，因此我会略微更改您的样本数据。

## New data
dat <- data.frame(x = rep(letters[1:3],times = 25),
                  y = sample(10, 75, replace=TRUE))

没有必要为分类变量的每个值创建单独的data.frames，以获得五分位数。您可以使用aggregate执行此操作。

Limits = aggregate(dat$y, list(dat$x), quantile, 0.8)
row.names(Limits) = Limits[,1]
(Limits = Limits [,-1, drop=FALSE])
    x
a 8.0
b 7.2
c 8.0

现在，按类别列出（顶部）五分位数表，我们可以选择原始数据中那些高于这些五分位数的部分（按类别）。

TopQuintile = dat[which(dat$y >= Limits[dat$x,1]), ]

几个分类值的最高五分位数

1 个答案: