我有一个数据框,并且我正在尝试为数据框中的每个因子“strata”的水平创建一个新变量,其中包含连续变量var1
的分位数。
# some data
set.seed(472)
dat <- data.frame(var1 = rnorm(50, 10, 3)^2,
strata = factor(sample(LETTERS[1:5], size = 50, replace = TRUE))
)
# function to get quantiles
qfun <- function(x, q = 5) {
quantile <- cut(x, breaks = quantile(x, probs = 0:q/q),
include.lowest = TRUE, labels = 1:q)
quantile
}
我试过两种方法,但都没有产生可用的结果。首先,我尝试使用 aggregate
将 qfun
应用于每个 strata
级别:
qdat <- with(dat, aggregate(var1, list(strata), FUN = qfun))
这将按因子级别返回分位数,但输出很难逼回数据框(例如使用unlist
不会将新变量值与数据框中的正确行对齐)。
第二种方法是分步骤进行:
tmp1 <- with(dat, split(var1, strata))
tmp2 <- lapply(tmp1, qfun)
tmp3 <- unlist(tmp2)
dat$quintiles <- tmp3
再次说明,这个方法在计算每个因子水平的分位数时是正确的,但显然与aggregate
一样,它们在数据框中的顺序不正确。我们可以通过将分位数“箱”放入数据框中来检查这一点。
# get quantile bins
qfun2 <- function(x, q = 5) {
quantile <- cut(x, breaks = quantile(x, probs = 0:q/q),
include.lowest = TRUE)
quantile
}
tmp11 <- with(dat, split(var1, strata))
tmp22 <- lapply(tmp11, qfun2)
tmp33 <- unlist(tmp22)
dat$quintiles2 <- tmp33
var1
的许多值都在quantile2
的区间之外。我感觉可能有些简单的东西我忽略了,如果您有任何建议,将不胜感激。
ave
。 - Chris