У меня есть некоторые данные, которые похожи на следующее. Это сгруппировано переменным "годом", и я хочу извлечь процентили каждого наблюдения за Счетом относительно года, который это от, предпочтительно как вектор.
Year Score
2001 89
2001 70
2001 72
2001 ...
..........
2004 87
2004 90
и т.д.
Как я могу сделать это? агрегат не будет работать, и я не думаю, применяются, будет работать также.
После решения Винса, вы также можете сделать это с помощью плиры
или на
:
ddply(df, .(years), function(x) transform(x, percentile=ecdf(x$scores)(x$scores)))
Я нашел метод, но это требует цикла.
group.pctiles <- function(group.var, comparable) {
unique.vals <- unique(group.var)
pctiles <- vector(length = length(group.var))
for (i in 1:length(unique.vals)) {
slice <- which(group.var == unique.vals[i])
F <- ecdf(comparable[slice])
group.pctiles <- F(comparable[slice])
pctiles[slice] <- group.pctiles
}
return(pctiles)
}
Group.var - это переменная, которую группы группируют данные. В моем примере в моем вопросе это год. Сопоставимо содержит значения, которые мы хотим найти проценты для. В моем вопросе сопоставимо будет набрать.
Для следующих данных я получаю результат ниже:
Year,School,Fees
2000,10,1000
2008,1,1050
2008,4,2000
2000,3,1700
2000,1,2000
> group.pctiles(dat, dat$Year, dat$Fees)
[1] 0.3333333 0.5000000 1.0000000 0.6666667 1.0000000
затем, я могу отказаться от этих процентов обратно в исходные данные. Crame для анализа, отчетности и т. Д.
У кого-то есть решение, которое не требует петля?
Я могу быть недоразумением, но я думаю, что это можно сделать так:
> years = c(2006, 2006, 2006, 2006, 2001, 2001, 2001, 2001, 2001)
> scores = c(13, 65, 23, 34, 78, 56, 89, 98, 100)
> tapply(scores, years, quantile)
$`2001`
0% 25% 50% 75% 100%
56 78 89 98 100
$`2006`
0% 25% 50% 75% 100%
13.00 20.50 28.50 41.75 65.00
это правильно?
Я имею в виду фактический процентиль каждого наблюдение. - Райан Розарио
Редактировать:
Я думаю, что это может сделать это тогда:
> tapply(scores, years, function(x) { f = ecdf(x); sapply(x, f) })
$`2001`
[1] 0.4 0.2 0.6 0.8 1.0
$`2006`
[1] 0.25 1.00 0.50 0.75
с вашими данными:
> tapply(scores, years, function(x) { f = ecdf(x); sapply(x, f) })
$`2000`
[1] 0.3333333 0.6666667 1.0000000
$`2008`
[1] 0.5 1.0
Редактировать 2:
Это, вероятно, быстрее:
tapply(scores, years, function(x) { f = ecdf(x); f(x) })
F ()
Вектор: -)
Последнее, модификация, я обещаю :-). Если вы хотите названия:
> tapply(scores, years, function(x) { f = ecdf(x); r = f(x); names(r) <- x; r })
$`2000`
1000 1700 2000
0.3333333 0.6666667 1.0000000
$`2008`
1500 2000
0.5 1.0
Вы также можете сделать что-то вроде этого:
# first I'll create two dummy variables (Year, Score)
year <- rep(2001:2005, 2)
score <- round(rnorm(10, 35, 3))
# then coerce variables to data frame
d <- data.frame(year, score)
# then you can use split() function to apply
# function to each stratum of grouping variable
sapply(split(score, year), function(x) quantile(x, probs=seq(.1, .9, .1)))
Выход выйдет что-то вроде этого:
2001 2002 2003 2004 2005
10% 34.3 32.1 34.3 29.6 36.1
20% 34.6 32.2 34.6 30.2 36.2
30% 34.9 32.3 34.9 30.8 36.3
40% 35.2 32.4 35.2 31.4 36.4
50% 35.5 32.5 35.5 32.0 36.5
60% 35.8 32.6 35.8 32.6 36.6
70% 36.1 32.7 36.1 33.2 36.7
80% 36.4 32.8 36.4 33.8 36.8
90% 36.7 32.9 36.7 34.4 36.9
Вы можете использовать функцию t() для перестановки строк и столбцов, если хотите. Написание функции будет хорошим способом решения такого рода проблем. Я настоятельно рекомендую пакет plyr, написанный Hadley Wickam.
Надеюсь, это поможет! Всего хорошего!
Используя ave
ave(d1$scores, d1$year, FUN=function(x) ecdf(x)(x))
Как насчет чего-то вроде:
Year <- c(2000,2008,2008,2000,2000)
Fees <- c(1000,1050,2000,1700,2000)
dat <- data.frame(Fees,Year,result=NA)
res <- tapply(Fees,Year,function(x) rank(x,ties.method="max")/length(x))
for(i in 1:length(res))
dat[Year==as.numeric(names(res)[i]),"result"] <-res[[i]]
, что дает:
Fees Year result
1 1000 2000 0.3333333
2 1050 2008 0.5000000
3 2000 2008 1.0000000
4 1700 2000 0.6666667
5 2000 2000 1.0000000