如何计算 R 中的百分位数 [0,1)，使值低于百分位数

Question

我有一个代理数据框及其对应的销售产品数量

Gent_Code   number_policies
A096        3
A0828       12
A0843       2
A0141       2
B079        7
B05         3
M012        5
P010        2
S039        3

我想计算每个值（xi）所在的百分位数，使得数据中 p% 的值低于 xi。 百分位数的最小值为 0，最大值将非常接近 1 但不是 1。

我做了以下工作：

ag_df <- mutate(ag_df, pon_percentiles = ecdf(ag_df$pon)(ag_df$pon))

summary(ag_df$pon_percentiles )
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.4805  0.4805  0.6417  0.6356  0.7738  1.0000 

但是，我希望百分位数公式计算低于某个值，而不是低于或等于该值。

因此，向量中最小值的百分位数应为 0，而最大值的百分位数应接近 1 但不完全是 1。

Current output:
0.6666667 1.0000000 0.3333333 0.3333333 0.8888889 0.6666667 0.7777778 0.3333333 0.6666667

如果我们看到上面的输出，对于 number_policies (2) 的 min 值是 0.3333 ，但我希望它是 0。对于 max 是 12，它不应该是 1，而是 0.99。

我如何在 R 中做到这一点？ 我在基本函数（如 ecdf、cume_distr 等）中搜索了相关参数，但找不到任何参数。 有人可以帮我解决这个问题吗？

Answer 1

使用percent_rank()函数的一种解决方案是：

pkgs <- c("tidyverse", "stringi")
invisible(lapply(pkgs, require, character.only = TRUE))


set.seed(2)
n <- 30
db <- tibble(gent_code = paste0(stri_rand_strings(n, 1, '[A-Z]'),
                                stri_rand_strings(n, 4, '[0-9]')),
                 nr_pol = sample(1L:100L, n, TRUE))

db %>%
  mutate(percentile = percent_rank(nr_pol)) %>%
  print(n = n)

这给出了输出：

   gent_code nr_pol percentile
   <chr>      <int>      <dbl>
 1 E0188         35     0.241 
 2 S5682         91     0.862 
 3 O6192         96     0.931 
 4 E1197         97     1.000 
 5 Y9358         39     0.345 
 6 Y0069         63     0.552 
 7 D2879         14     0.138 
 8 V6778         25     0.172 
 9 M6284         75     0.759 
10 O3420         69     0.690 
11 O2301         35     0.241 
12 G1728          3     0.0345
13 T4536         38     0.310 
14 E0418          1     0     
15 K9373         44     0.414 
16 W9335         66     0.621 
17 Z4140         58     0.448 
18 F1424         62     0.517 
19 L9825         96     0.931 
20 B8411         59     0.483 
21 R0735         41     0.379 
22 K8881         81     0.793 
23 V9502         87     0.828 
24 D9827          5     0.0690
25 J5363          8     0.103 
26 M2909         68     0.655 
27 D3658         94     0.897 
28 J1312         34     0.207 
29 Z6347         63     0.552 
30 D6342         72     0.724 

正如您所看到的，它从您想要的 0 开始，但最高的百分位数将等于 1，因为它反映了数据中策略的最高数量。

编辑：在这种情况下强制 12 等于例如第 99 个百分位数意味着您的数据点高于 12。 它将等于 1，因为您的所有数据点都小于或等于此值。

Answer 2

您只需通过分位数函数即可完成此操作：

quantile(df, probs = c(0, 0.24, 0.49, 0.74, 0.99))

希望有帮助！！！

Answer 3

我想这是你想要的，但我不知道，你只需要设置的labels和probs你想拥有它的方式。

iris2 <- iris
iris2$quartile_number <- cut(iris$Sepal.Length, 
    quantile(iris$Sepal.Length) , 
    include.lowest=T,
    labels=c(.25, .5, .75, 1))

head(iris2)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species quartile_number
1          5.1         3.5          1.4         0.2  setosa            0.25
2          4.9         3.0          1.4         0.2  setosa            0.25
3          4.7         3.2          1.3         0.2  setosa            0.25
4          4.6         3.1          1.5         0.2  setosa            0.25
5          5.0         3.6          1.4         0.2  setosa            0.25
6          5.4         3.9          1.7         0.4  setosa             0.5

Answer 4

x <- c(3, 12, 2, 2, 7, 3, 5, 2, 3)

(1) 最小值 2 是 0% 百分位数，那么您需要从向量中删除最小值。 (2) 最大值 12 是 99% 的百分位数，那么您需要添加一个大于最大值的值并用最大值填充您的向量，以便向量长度为​​ 100。

x1 <- c(x[x > min(x)], Inf)
x2 <- c(x1, rep(max(x), 100 - length(x1)))
ecdf(x2)(x)

> ecdf(x2)(x)
[1] 0.03 0.99 0.00 0.00 0.05 0.03 0.04 0.00 0.03