计算数据集列的百分位数

Posted 2023-03-12

【中文标题】计算数据集列的百分位数

【英文标题】：Calculating percentile of dataset column

【发布时间】：2014-02-08 18:19:48

【问题描述】：

给你一个快速的，最亲爱的 R 大师：

我正在做一个作业，在这个练习中，我被要求从infert 数据集（它是内置的）中获取基本统计信息，特别是其中一个列infert$age。

对于不熟悉数据集的任何人：

> table_ages     # Which is just subset(infert, select=c("age"));
    age
1    26
2    42
3    39
4    34
5    35
6    36
7    23
8    32
9    21
10   28
11   29
...
246  35
247  29
248  23

我必须找到列的中值、方差、偏度、标准差，这些都可以，直到我被要求找到“百分位数”列。

到目前为止，我还没有找到任何东西，也许我从希腊语（作业的语言）中翻译错了。它是“ποσοστημόρια”，谷歌翻译指出英文术语是“百分位数”。

关于找到infert$age 的那些“百分位数”的任何教程或想法？

【问题讨论】：

也许可以看到?quantile？

@AnandaMahto 这看起来很基本，可以与其余练习的感觉相匹配。我想就是这样。您只是将我推入解决方案，谢谢：p

【参考方案1】：

如果您订购一个向量x，并找到向量一半的值，您就找到了一个中位数，即第 50 个百分位数。同样的逻辑适用于任何百分比。这里有两个例子。

x <- rnorm(100)
quantile(x, probs = c(0, 0.25, 0.5, 0.75, 1)) # quartile
quantile(x, probs = seq(0, 1, by= 0.1)) # decile

【参考方案2】：

quantile() 函数将完成您可能想要的大部分工作，但由于问题含糊不清，我将提供一个与quantile() 略有不同的替代答案。

ecdf(infert$age)(infert$age)

将生成一个与infert$age 长度相同的向量，给出每个观察值下方infert$age 的比例。您可以阅读ecdf 文档，但基本思想是ecdf() 将为您提供一个返回经验累积分布的函数。因此ecdf(X)(Y) 是 X 在 Y 中的点的累积分布值。如果您只想知道低于 30 的概率（因此样本中 30 的百分位数是多少），您可以说

ecdf(infert$age)(30)

这种方法与使用quantile() 函数的主要区别在于quantile() 要求您输入概率才能得出关卡，而这需要您输入关卡才能得出概率。

【参考方案3】：

使用 dplyr：

library(dplyr)

# percentiles
infert %>% 
  mutate(PCT = ntile(age, 100))

# quartiles
infert %>% 
  mutate(PCT = ntile(age, 4))

# deciles
infert %>% 
  mutate(PCT = ntile(age, 10))

【参考方案4】：

table_ages <- subset(infert, select=c("age"))
summary(table_ages)
#            age       
#  Min.   :21.00  
#  1st Qu.:28.00  
#  Median :31.00  
#  Mean   :31.50  
#  3rd Qu.:35.25  
#  Max.   :44.00  

这可能就是他们想要的。应用于数值的summary(...) 返回数据的最小值、最大值、平均值、中位数以及第 25 和第 75 个百分位数。

注意

summary(infert$age)
#    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#   21.00   28.00   31.00   31.50   35.25   44.00 

数字相同，但格式不同。这是因为table_ages 是一列（年龄）的数据框，而infert$age 是数字向量。尝试输入summary(infert)。

【参考方案5】：

您还可以使用 hmisc 包，它会为您提供以下百分位数：

0.05, 0.1, 0.25, 0.5, 0.75, 0.9, 0.95

只需使用 describe(table_ages)