R中“分位數”函數的行為

Question

在處理問題時，我發現了一些有趣的東西。 我不知道到底發生了什么，但有些事情發生了，我沒想到會發生。 我可能犯了一個錯誤，但讓我先舉一個例子：

x <- rnorm( 100 )
y <- x[ x > quantile( x, 0.1 ) ]
z <- x[ x > quantile( x, c( 0.1, 0.2 ) ) ]
a <- x[ x > quantile( x, c( 0.1, 0.2, 0.3 ) ) ]

我們得到三個不同的結果，但是如何解釋這些結果。 這些是使用的限制嗎？

更新：我想我問的是錯誤的問題。 我們如何解釋以下內容：

> x <- rnorm( 100 )
> length( x[ x > quantile( x, 0.1 ) ] )
[1] 90
> length( x[ x > quantile( x, 0.2 ) ] )
[1] 80
> length( x[ x > quantile( x, c( 0.1, 0.2 ) ) ] )
[1] 85

Answer 1

您對>和R的回收行為感到困惑。 當quantile返回多於1個值時（如前兩個示例中所示），它將這些向量再循環到與x相同的長度，以便通過>進行矢量化比較。

因此，在最后兩個例子中，它一遍又一遍地重復來自quantile的2或3個值，直到得到的向量與x長度相同，並且它們將元素方式與>進行比較。

編輯

也許我的解釋不夠明確。 在編輯的最后一行x > quantile( x, c( 0.1, 0.2 ) ) ，R是所述第一元件相比較x與0.1分位數，第二元件x與0.2分位數，第三元件x與0.1分位數， x的第4個元素，0.2分位數，依此類推。 得到它了？ :)