R中`quantile`函数的行为

Question

在解决问题时，我注意到了一些有趣的东西。我不知道具体发生了什么，但是发生了一些我没有预料到的情况。可能是我犯了一个错误，但让我举个例子：

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 ) ) ]

我们得到了三个不同的结果，但如何解释这些结果？这些是使用的限制吗？

更新： 我想我问错了问题。我们如何解释以下内容：

> 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

- Sam

---

我的回答也是你编辑的解释。 - joran

Answer 1

对于>和R的循环行为，您可能感到困惑。当quantile返回多个值时（如最后两个示例中），它会将这些向量重复使用，使它们的长度与x相同，以便通过>进行矢量化比较。

因此，在最后两个示例中，它重复来自quantile的2或3个值，直到生成的向量与x的长度相同，并使用>逐个元素地进行比较。

编辑

也许我的解释不够清楚。在编辑中的最后一行中，x > quantile(x,c(0.1,0.2))中，R将第一个元素与0.1分位数进行比较，第二个元素与0.2分位数进行比较，第三个元素与0.1分位数进行比较，第四个元素与0.2分位数进行比较，以此类推。明白了吗？ :)

- joran

---

是的，你现在编辑的回答完全有意义。很好知道。谢谢。 - Sam