Question

假设我有一个数据框，其中包含值列和另一列，表示观察到该值的次数：

x <- data.frame(value=c(1,2,3), count=c(4,2,1))
x
#   value count
# 1     1     4
# 2     2     2
# 3     3     1

我知道我可以使用weighted.mean获取数据的加权平均值，使用多个包提供的weighted.median函数加权中位数（例如limma），但我怎么能获得我的数据的其他加权统计数据，例如第一和第三四分位数，以及标准差？使用rep“扩展”数据不是一种选择，因为sum(x$count)约为30亿（人类基因组的大小）。

Answer 1

你试过这些包吗？

Hmisc - 它有多个加权统计信息，包括加权分位数
laeken - 它有加权分位数。

Answer 2

或尝试对其进行反向转换，并按常规方式运行分析：

dtf <- data.frame(value = 1:3, count = c(4, 2, 1))
x <- with(dtf, rep(value, count))
summary(x)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.000   1.000   1.000   1.571   2.000   3.000 
fivenum(x)
[1] 1 1 1 2 3

Answer 3

为了完整起见，我会注意到Bioconductor中的S4Vectors包提供了一个答案，其形式为＆＃34; Rle＆＃34; class，它允许您构造一个支持所有常规操作的行程编码向量：

library(S4Vectors)
x <- data.frame(value=c(1,2,3), count=c(4,2,1))
y <- Rle(x$value, x$count)
mean(y)
median(y)
quantile(y)

Answer 4

完成answer 按Prasad Chalasani，这是完成给定加权中位数的代码值列以及观察到该值的次数的另一列。请注意，它使用wtd.quantile包中的Hmisc函数。

require(Hmisc)

x <- data.frame(value=c(1,2,3), count=c(4,2,1))
##   value count
## 1     1     4
## 2     2     2
## 3     3     1

wtd.quantile(x$value, x$count, probs = 0.5)
## 50% 
##   1

如果给出R中每个值的计数，我怎样才能轻松得到均值，中位数，四分位数等？

4 个答案: