计算数据集列的百分位数

Question

给你一个快速的，最亲爱的 R 大师：

我正在做一项作业，在本练习中，我被要求从infert数据集（它是内置的）中获取基本统计信息，特别是其中的一列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 "percentiles" 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？

Answer 1

如果您对向量x排序，并找到该向量一半的值，则您只是找到了一个中位数或第 50 个百分位数。 相同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

Answer 2

quantile()函数将完成您可能想要的大部分功能，但由于问题含糊不清，我将提供一个替代答案，该答案与quantile()略有不同。

ecdf(infert$age)(infert$age)

将生成一个与infert$age长度相同的向量，给出低于每个观察值的infert$age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（因此样本中的百分位数 30），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()要求您输入概率以得出水平，而这要求您输入水平以得出概率。

Answer 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))

Answer 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  

这大概就是他们要找的。 应用于数字的summary(...)返回数据的最小值、最大值、平均值、中位数以及第 25 个和第 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是一个包含一列（年龄）的数据框，而infert$age是一个数字向量。 尝试输入summary(infert) 。

Answer 5

您还可以使用 hmisc 包，该包将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)