Question

我有这样的数据

set.seed(1)
dt <- data.table(id = c("A", "A", "B", "B","C", "C"), 
             var1 = c(1:6),
             var2 = rnorm(6))

> dt
   id var1       var2
1:  A    1 -0.6264538
2:  A    2  0.1836433
3:  B    3 -0.8356286
4:  B    4  1.5952808
5:  C    5  0.3295078
6:  C    6 -0.8204684

但有数十个数字变量。我想使用data.table计算每个观察值和每个数值变量的百分位数，同时保持密钥标识符（id）不变。在dplyr我可以这样做：

mutate_if(dt, is.numeric, function(x) { ecdf(x)(x) })

  id      var1      var2
1  A 0.1666667 0.5000000
2  A 0.3333333 0.6666667
3  B 0.5000000 0.1666667
4  B 0.6666667 1.0000000
5  C 0.8333333 0.8333333
6  C 1.0000000 0.3333333

我也会对结果感到满意，包括原始var1和var2。

最好的方法是什么？

感谢您的帮助！

Answer 1

您可以计算单独数据表中所有数字列的ecdf，如下所示：

dt2 = as.data.table(lapply(dt,function(x){if(is.numeric(x)){ecdf(x)(x)}}))

结果：

> dt2
        var1      var2
1: 0.1666667 0.8333333
2: 0.3333333 0.3333333
3: 0.5000000 0.6666667
4: 0.6666667 1.0000000
5: 0.8333333 0.1666667
6: 1.0000000 0.5000000

如果您希望将cbind此结果发送到原始dt，则可以使用paste0更改列名称：

colnames(dt2) = paste0("centile_",colnames(dt2))

结果：

> dt2
   centile_var1 centile_var2
1:    0.1666667    0.8333333
2:    0.3333333    0.3333333
3:    0.5000000    0.6666667
4:    0.6666667    1.0000000
5:    0.8333333    0.1666667
6:    1.0000000    0.5000000

data.table：计算所有数字变量的累积百分位数

1 个答案: