使用 Hmisc cut2 arguments - max 参数如何工作？

Question

我的庞大数据集中的长度不均匀。 即，2016 年的 700 次观察，2017 年的 400 次观察。我有很多年的数据，因此手动裁剪数据集是不可行的。

我想将它们都切成分位数以进行观察，但每组只有前 400 个。=

Hmisc 文档中有一个诱人的“minmax”参数。 是否可以使用 minmax 作为参数，以便 Hmisc 仅从观测值 1-400 中删除分位数？

Answer 1

使用dplyr ，您可以使用group_by和slice为 year 的每个值 select 前 400 条记录。 然后创建分位数，无论是在每年内还是整体上。

set.seed(911) # Simulate some uneven data
df <- data.frame(year=rep(2016:2018, times=c(400,500,600)),
                 val=rnorm(1500,50,5))

library(dplyr); library(tidyr)

这会在每年内创建分位数

df %>% group_by(year) %>%
  slice(1:400) %>%
  mutate(q4 = cut(val, 
                  breaks=quantile(val, 
                                  probs = seq(0,1,1/4)), 
                  include=TRUE, labels=FALSE)) %>%
# You can stop here and save the output, here I continue to check the counts
  count(q4) %>%
  pivot_wider(names_from=q4, values_from=n)
# A tibble: 3 x 5
# Groups:   year [3]
#   year   `1`   `2`   `3`   `4`
#  <int> <int> <int> <int> <int>
#1  2016   100   100   100   100
#2  2017   100   100   100   100
#3  2018   100   100   100   100

或者您可以取消分组以创建整体分位数（每年的计数会有所不同）。

df %>% group_by(year) %>%
  slice(1:400) %>%
  ungroup() %>%
  mutate(q4 = cut(val, 
                  breaks=quantile(val, 
                                  probs = seq(0,1,1/4)), 
                  include=TRUE, labels=FALSE)) %>% 
# Stop here to save, or continue to check the counts
  group_by(year) %>%
  count(q4) %>%
  pivot_wider(names_from=q4, values_from=n)

# A tibble: 3 x 5
# Groups:   year [3]
#   year   `1`   `2`   `3`   `4`
#  <int> <int> <int> <int> <int>
#1  2016   116    88   102    94
#2  2017    86   114    85   115
#3  2018    98    98   113    91