Question

我需要一件很简单的事情。遍历数据集的列以创建所述列的百分位数版本。我尝试了dplyr和data.table，但似乎没有一个能满足我的需求。特别是，在创建列的百分数版本时，我需要排除de NA值。

下面的可复制示例：

values<-c(19,
    6,
    27,
    63,
    50,
    59,
    97,
    89,
    NA,
    9,
    31,
    58,
    83,
    2,
    1,
    31,
    3,
    1,
    27,
    40,
    32,
    42,
    99,
    NA,
    12,
    16,
    23,
    98,
    44,
    25,
    13,
    70,
    64,
    NA,
    37,
    75,
    73,
    59,
    21,
    3,
    76,
    43,
    6,
    96,
    55,
    48,
    70,
    90,
    18,
    58,
    22,
    19,
    26,
    49,
    59,
    94,
    31,
    45,
    20,
    8,
    26,
    56,
    7,
    11,
    98,
    50,
    41,
    38,
    86,
    0,
    37,
    NA,
    40,
    7,
    88,
    38,
    41,
    41,
    19,
    34,
    21,
    64,
    87,
    22,
    54,
    39,
    75,
    72,
    91,
    78)

values2<- c(98,
            60,
            9,
            98,
            NA,
            88,
            NA,
            54,
            92,
            90,
            NA,
            83,
            92,
            65,
            44,
            NA,
            98,
            40,
            26,
            40,
            54,
            56,
            15,
            90,
            15,
            63,
            57,
            NA,
            85,
            69,
            73,
            43,
            24,
            27,
            82,
            75,
            29,
            98,
            29,
            5,
            91,
            88,
            28,
            12,
            53,
            NA,
            2,
            42,
            86,
            2,
            78,
            20,
            50,
            73,
            77,
            NA,
            4,
            39,
            90,
            NA,
            29,
            14,
            98,
            88,
            77,
            79,
            30,
            9,
            74,
            93,
            NA,
            16,
            27,
            16,
            18,
            40,
            NA,
            2,
            66,
            71,
            82,
            10,
            62,
            84,
            25,
            NA,
            15,
            12,
            85,
            50)


  groups<-c(1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2,
2)

df<-as.data.frame(cbind(groups,values,values2))


library(dplyr)

for (i in c("values","values2")) {
    df<-df %>%
      group_by(groups) %>% 
      mutate(!!sym(paste( i,"_percentile", sep="")) := percent_rank(na.omit(i)))
  }


for (i in c("values","values2")) {
  df<-df %>%
    group_by(groups) %>% 
    mutate(!!sym(paste( i,"_percentile", sep="")) := rank(i)/length(i) )
}

library(data.table)

df<- as.data.table(df)

for (i in c("values","values2")) {
  df[,  paste(i,"_percentile",sep="")  := rank(get(i))/length( get(i)), by = groups ]

}


for (i in c("values","values2")) {
  df[!is.na(i),  paste(i,"_percentile",sep="")  := rank(get(i))/length( get(i)), by = groups ]

}

Answer 1

一个选项是mutate_at。按“组”分组后，使用mutate_at遍历以starts_with（“ values”）作为列名replace的列，其中这些值不是{ {1}}个非NA元素

percent_rank

或与library(dplyr) df %>% group_by(groups) %>% mutate_at(vars(starts_with('values')), list(percentile = ~ replace(., !is.na(.), percent_rank(.[!is.na(.)]))))

data.table

Answer 2

我的npm install react-native@version答案与@akrun的结构相同-使用tidyverse添加多个列，使用mutate_at选择列。举个最小的例子，有几点需要指出：

starts_with函数在计算时已经删除了NA，因此您无需执行其他工作即可将其从计算中滤除。
在一种退化的情况下，只有一种实际措施。（在我的情况下，它是“ b”组）。 percent_rank可以在此处返回NaN值，因为它缩放了percent_rank。在直接min_rank中，似乎可以避免该问题。（尚不清楚在您的情况下应分配给什么值）。
有平局时，还有另一种简并情况。在“ a”组中，我并列第一名，因此mutate_at的值不是1.0。

percent_rank

使用NA遍历列以使用dplyr和data.table创建百分位变量

2 个答案: