使用dplyr截断数值变量的顶部和底部百分位数

Question

我生成了一份调查权重。由于异常值的调查权重可能导致非常大的差异，我遵循许多统计书籍的建议：我想削减调查权重中的前5％和后5％。我想使用dplyr来实现这一点。

#generate data
data<-as.data.frame(cbind(sequence(2000),rnorm(2000,mean=3.16,sd=1.355686))) 
names(data)<-c("id","weight")

#This is how far i got
data2<-data %>% mutate(perc.weight=percent_rank(weight)) %>%
                mutate(perc.weight>0.95 | perc.weight<0.05)

在此之后，我获得了两个新变量。第一个变量给出权重的百分比排名。第二个变量显示值是否超出了目标范围。

现在，我想用那些百分位数边界所组成的权重值来替换处于95-100百分位和0-5百分位内的权重。

如果能得到任何帮助，我将不胜感激！

- SEMson

Answer 1

你可以使用 quantile 函数与 pmin、pmax 一起使用：

data %>% mutate(weight_trunc = pmin(pmax(weight, quantile(weight, .05)), 
                                          quantile(weight, .95)))

- shadow

---

如果我可以提出后续问题：如果我想将重量分成10个10％的百分位数，然后使用每个百分位数的平均值作为权重，我该如何做？ - SEMson

@user2982730，如果你还不知道的话，你可能想要查看dplyr的ntile函数。@shadow，好答案！（+1） - talat

我忘记了，这是我在评论中第二个问题的解决方案：weight <- weight％>％ 通过mutate（perc.weight = percent_rank（weight））％>％进行变异 group_by（percentile = ntile（perc.weight，10）） weight <- weight.strata％>％mutate（percentile_mean = mean（weight）） - SEMson