使用dplyr计算多列的分位数

Question

我有一个类似这样的数据框：

set.seed(123)

如果我想为一个向量生成均值和上下95％的置信区间，我可以这样做：

 x <- rnorm(20)

quantile(x, probs = 0.500) # mean
quantile(x, probs = 0.025) # lower 
quantile(x, probs = 0.975) # upper bound

我有一个数据框

df <- data.frame(loc = rep(1:2, each = 4), 
                 year = rep(1980:1983, times = 2),
                 x1 = rnorm(8), x2 = rnorm(8), x3 = rnorm(8), x4 = rnorm(8), 
                 x5 = rnorm(8), x6 = rnorm(8), x7 = rnorm(8), x8 = rnorm(8))

对于每个位置和年份，我想使用x1到x8找到中位数、下界和上界。

df %>% group_by(loc, year) %>% 
dplyr::summarise(mean.x = quantile(x1, x2, x3, x4, x5, x6 , x7, x8, probs = 0.500),
                 lower.x = quantile(x1, x2, x3, x4, x5, x6 , x7, x8, probs = 0.025),
                 upper.x = quantile(x1, x2, x3, x4, x5, x6 , x7, x8, probs = 0.975))

但这会为它们提供相同的答案。

# A tibble: 8 x 5
# Groups:   loc [?]
loc  year mean.x lower.x upper.x
<int> <int>  <dbl>   <dbl>   <dbl>
  1     1  1980 -1.07   -1.07   -1.07 
2     1  1981 -0.218  -0.218  -0.218
3     1  1982 -1.03   -1.03   -1.03 
4     1  1983 -0.729  -0.729  -0.729
5     2  1980 -0.625  -0.625  -0.625
6     2  1981 -1.69   -1.69   -1.69 
7     2  1982  0.838   0.838   0.838
8     2  1983  0.153   0.153   0.153

此外，是否有一种方法可以通过索引而不是引用x1、x2...x8列来进行操作，类似于：

3:ncol(df)

- 89_Simple

Answer 1

您可能需要先将宽格式数据转换为长格式数据：

require(dplyr)
require(tidyr)
df %>% gather(xvar, value, x1:x8) %>% 
group_by(loc, year) %>% 
summarise(mean.x = quantile(value, probs = 0.50),
          lower.x = quantile(value, probs = 0.025),
          upper.x = quantile(value, probs = 0.975))

你将得到：

# A tibble: 8 x 5
# Groups:   loc [?]
    loc  year  mean.x lower.x upper.x
  <int> <int>   <dbl>   <dbl>   <dbl>
1     1  1980  0.152   -0.982   2.08 
2     1  1981 -0.478   -1.33    0.825
3     1  1982 -0.0415  -1.95    1.02 
4     1  1983  0.855   -0.180   1.43 
5     2  1980  0.658   -1.24    2.23 
6     2  1981  0.196   -0.782   0.827
7     2  1982 -0.629   -0.937   0.285
8     2  1983 -0.0737  -0.744   1.27 

- akash87

Answer 2

函数quantile只接受一个输入向量。当您执行以下操作时：

quantile(x1, x2, x3, x4, x5, x6 , x7, x8, probs = 0.5)

你正在提供8个输入向量，但它只会使用x1并忽略x2到x8。

示例：

x <- rnorm(20)
y = rnorm(20) + 100

quantile(x, probs = 0.025) # lower 
#   2.5% 
# -1.633378 
quantile(x, y, probs = 0.025) # y will be ignored. This yields same result as quantile(x, probs = 0.025). A warning explains this
#    2.5% 
# -1.633378 
# Warning message:
#     In if (na.rm) x <- x[!is.na(x)] else if (anyNA(x)) stop("missing values and NaN's not allowed if 'na.rm' is FALSE") :
#     the condition has length > 1 and only the first element will be used

为了解决您的具体问题，请将x1到x8放入c()中以形成一个向量：

df %>% group_by(loc, year) %>% 
dplyr::summarise(lower.x = quantile(c(x1, x2, x3, x4, x5, x6 , x7, x8), probs = 0.025),
                 mean.x = quantile(c(x1, x2, x3, x4, x5, x6 , x7, x8), probs = 0.5),
                 upper.x = quantile(c(x1, x2, x3, x4, x5, x6 , x7, x8), probs = 0.975))

产生：

# A tibble: 8 x 5
# Groups:   loc [?]
    loc  year     lower.x     mean.x   upper.x
  <int> <int>       <dbl>      <dbl>     <dbl>
1     1  1980 -1.12583212  0.1683845 1.1579655
2     1  1981 -1.20363611 -0.1399433 1.9308253
3     1  1982 -0.93238412 -0.3195850 0.3835611
4     1  1983 -2.08331501 -0.4235632 1.2267823
5     2  1980 -1.46528453 -0.3096375 0.9863813
6     2  1981 -1.51563211  0.1100798 0.8267675
7     2  1982 -1.16435350  0.1885864 0.8349510
8     2  1983 -0.01427533  0.4301591 1.9688637

顺便提一下，上限应该是0.975，你打错了，写成了0.0975。

- YJZ

---

谢谢，但我该如何解决问题的第二部分呢？假设我有x1000而不是x8。由于键入x1、x2...x1000并不理想，因此我该如何在分位线下引用它？ - 89_Simple

在这种情况下，使用 akash87 的代码。首先将其转换为长表格：使列为：loc、year、xvar（此列中的内容为 x1、x2 等），值。 - YJZ