dplyr::ntile和statar::xtile之间的区别

Question

我的理解是dplyr::ntile和statar::xtile试图做相同的事情。但有时输出结果不同:

dplyr::ntile(1:10, 5)
# [1] 1 1 2 2 3 3 4 4 5 5

statar::xtile(1:10, 5)
# [1] 1 1 2 2 3 3 3 4 5 5

我正在将Stata代码转换为R代码，因此statar::xtile可以生成与原始Stata代码相同的输出结果，但我认为在R中dplyr::ntile是等效的。

根据Stata帮助文档，xtile用于：

创建包含分位数类别的变量

而statar::xtile显然是在复制这个功能。

而dplyr::ntile则是：

将输入向量分为n个桶的粗略排名。

这两个函数的意义是否相同？

如果是，那么它们为什么会给出不同的答案？

如果不是，那么：

1.有何区别？

2.何时应使用其中之一？

- Danny

---

你可以检查每个函数的源代码。ntile: function (x, n) { floor((n * (row_number(x) - 1)/length(x)) + 1) }。xtile稍微复杂一些。 基础R可能是这样的as.integer(cut(1:10, quantile(1:10, seq(0, 1, length.out = 5 + 1)), include.lowest = TRUE))。在?quantile中解释的类型也可能会有所帮助。 - alistaire

Stata的xtile文档请参见http://www.stata.com/manuals14/dpctile.pdf。 - Nick Cox

谢谢。我现在明白了区别。虽然我不知道如何在基本R中实现它。@alistaire的建议与ntile相同。有什么想法吗？ - Danny

好的，我明白了。只是 xtile 使用了不同的分位数算法类型。我会将其写成答案。 - Danny

Answer 1

感谢 @alistaire 指出，dplyr::ntile 只是执行以下操作：

function (x, n) { floor((n * (row_number(x) - 1)/length(x)) + 1) }

与分成分位数类别不同，xtile 的作用也不同。

查看 statar::xtile 的代码可以找到 statar::pctile，并且 statar 的文档说明：

pctile 计算类型为 2 的分位数和加权分位数（类似于 Stata _pctile）

因此，在基本 R 中与 statar::xtile 等效的函数是：

.bincode(1:10, quantile(1:10, seq(0, 1, length.out = 5 + 1), type = 2), 
         include.lowest = TRUE)
# [1] 1 1 2 2 3 3 3 4 5 5

- Danny