Question

我需要通过组合每个时期中10个不同样本的中位数（数据集中位数）来计算几个时间段的总体中位数。通过采用不同数量的观察（数据集观察）获得每个样本中值。

中位数 - 数据集

       Time1    Time2   Time3   Time4   Time5
Sample1 60000   71139   70000   75000   75000
Sample2 80000   88000   87750   88500   90000
Sample3 66000   73325   73000   78126   75000
Sample4 60000   74000   72000   75500   73000
Sample5 50500   60000   60000   66750   81500
Sample6 60000   70000   72000   78500   80000
Sample7 50000   60000   59999   63000   60000
Sample8 53000   55000   58300   59995   64500
Sample9 92529   111000  115000  120063  118000
Sample10 92500  115000  101000  104100  110075

观察 - 数据集

Time1   Time2   Time3   Time4   Time5
Sample1 159 202 174 134 172
Sample2 148 178 148 121 140
Sample3 563 680 652 513 678
Sample4 554 634 518 512 595
Sample5 343 415 347 270 390
Sample6 738 954 769 720 825
Sample7 704 949 863 648 762
Sample8 595 681 640 517 663
Sample9 517 782 610 504 472
Sample10    627 733 621 493 512

我试图用中位数[1：1]重复观察[1：1]次生成一个向量，这个向量需要连接到另一个向量中位数[1：2]重复观察[1：2]次，然后将矢量连接到另一个矢量Median [1：3]重复观察[1：3]次，依此类推......

我的目标是生成5个向量（与列 - 周期一样多），每个向量的长度等于每个时间帧中样本观察的总数。

 for (i in 1:ncol(Median))  {

   for (j in 1:nrow(Median)) { 

  vector_median=(seq(as.numeric(Med[i,j]),as.numeric(Med   [i,j]),length.out=as.numeric(Observations[i,j])))

 }
 }

Answer 1

考虑一个嵌套的mapply（ apply 系列的多输入版本），您可以在其中传递 Med 和 Observations 列在成对迭代中，然后将成对迭代中每个对应 Sample 值的列传递到rep()函数中：

数据

txt = " Time1 Time2 Time3 Time4 Time5 Sample1 60000 71139 70000 75000 75000 Sample2 80000 88000 87750 88500 90000 Sample3 66000 73325 73000 78126 75000 Sample4 60000 74000 72000 75500 73000 Sample5 50500 60000 60000 66750 81500 Sample6 60000 70000 72000 78500 80000 Sample7 50000 60000 59999 63000 60000 Sample8 53000 55000 58300 59995 64500 Sample9 92529 111000 115000 120063 118000 Sample10 92500 115000 101000 104100 110075 " Med = read.table(text=txt, header=TRUE) txt = "Time1 Time2 Time3 Time4 Time5 Sample1 159 202 174 134 172 Sample2 148 178 148 121 140 Sample3 563 680 652 513 678 Sample4 554 634 518 512 595 Sample5 343 415 347 270 390 Sample6 738 954 769 720 825 Sample7 704 949 863 648 762 Sample8 595 681 640 517 663 Sample9 517 782 610 504 472 Sample10 627 733 621 493 512" Obs = read.table(text=txt, header=TRUE)

流程

replicate_medians <- function(m,o){ mapply(function(m_sub, o_sub) rep(m_sub, times=o_sub), m, o) } output <- mapply(function(x,y) unlist(replicate_medians(x,y)), Med, Obs, SIMPLIFY=FALSE) # EQUIVALENT WITH Map() WRAPPER output <- Map(function(x,y) unlist(replicate_medians(x,y)), Med, Obs)

输出 （返回5个命名数字向量的列表）

str(output) # List of 5 # $ Time1: int [1:4948] 60000 60000 60000 60000 60000 60000 60000 60000 60000 60000 ... # $ Time2: int [1:6208] 71139 71139 71139 71139 71139 71139 71139 71139 71139 71139 ... # $ Time3: int [1:5342] 70000 70000 70000 70000 70000 70000 70000 70000 70000 70000 ... # $ Time4: int [1:4432] 75000 75000 75000 75000 75000 75000 75000 75000 75000 75000 ... # $ Time5: int [1:5209] 75000 75000 75000 75000 75000 75000 75000 75000 75000 75000 ... length(output$Time1[output$Time1==60000]) #[1] 1451 <---- THREE SAMPLES WITH THIS MEDIAN: 159 + 554 + 738 = 1,451 length(output$Time1[output$Time1==80000]) # [1] 148 length(output$Time1[output$Time1==66000]) # [1] 563

R通过组合样本中位数来估计人口中值

1 个答案: