在R中有效地找到人口数据的中位数

Question

假设人口数据

   Age0   Age1   Age2   Age3   Age4   Age5   Age6   Age7   Age8   Age9  Age10  Age11
1 268818 261156 255699 249954 249764 250261 251251 252536 254123 256020 257009 256488
2 269489 261305 255394 251470 249123 249254 250075 251372 252931 254813 257074 258142
3 264620 258160 253543 250538 248914 248444 248895 250038 251642 253477 255653 258278
4 252431 262504 258066 254720 252358 250874 250049 249660 250167 251689 253781 255974
5 234872 240086 260846 258418 256334 254612 253263 252082 250855 250728 252172 254521
6 216095 228774 238871 259449 259030 258208 257122 255910 254370 252302 251543 252908

每个年龄段都有几千人。即对于Age0，第1年有268818名婴儿。我希望每年获得中位年龄。到目前为止，我已经创建了一个效率低下的代码，我正在寻找一些帮助以使其变得更快。我正在使用的代码就是这样（注意：对于大群体来说效率很低）：

cells<-NULL
data<-MYdata[,3:103] 
data<-data*1000 #i do this because of excel/R consider differently the . and ,
MedianMatrix<-matrix(nrow = nrow(data),ncol = 1)
for(i in 1:nrow(data)){
  for(j in 1:ncol(data)){
    print(c(i,j))
    cell<-rep(j-1,times=data[i,j])
    cells<-c(cells,cell)
  }
  print(length(cells))
  MedianMatrix[i,1]<-median(cells)
  cells<-NULL
}
MedianMatrix

任何帮助/建议让它运行得更快？ 谢谢。

Answer 1

您可以计算年龄组的累积总和，而不是扩展整个矢量并找到中位数，然后找出总和小于或等于人口规模一半的最大年龄。

D <- read.table(header=TRUE, text="
Age0   Age1   Age2   Age3   Age4   Age5   Age6   Age7   Age8   Age9  Age10  Age11
268818 261156 255699 249954 249764 250261 251251 252536 254123 256020 257009 256488
269489 261305 255394 251470 249123 249254 250075 251372 252931 254813 257074 258142
264620 258160 253543 250538 248914 248444 248895 250038 251642 253477 255653 258278
252431 262504 258066 254720 252358 250874 250049 249660 250167 251689 253781 255974
234872 240086 260846 258418 256334 254612 253263 252082 250855 250728 252172 254521
216095 228774 238871 259449 259030 258208 257122 255910 254370 252302 251543 252908
")

apply(D, 1, function(x) {
  cum <- c(0, cumsum(x))
  which.max(cum[cum <= sum(x)/2])-1
})

Answer 2

您可以使用apply直接在一行中执行此操作，这比两个for循环快。

med_age <- apply(df, 1, function(x) median(rep(c(0:(length(x)-1)), x)))

基本上，对于每一行（年），您重复每个年龄段的行数。然后，你直接计算中位数。