如何使用 R 在数据框的列中查找前 n% 的记录答案

【问题标题】：How to find top n% of records in a column of a dataframe using R如何使用 R 在数据框的列中查找前 n% 的记录
【发布时间】：2010-12-06 13:03:29
【问题描述】：

我有一个数据集，显示了大约 20 年期间每天一次澳元兑美元的汇率。我在数据框中有数据，第一列是日期，第二列是汇率。以下是数据示例：

>data
             V1     V2
1    12/12/1983 0.9175
2    13/12/1983 0.9010
3    14/12/1983 0.9000
4    15/12/1983 0.8978
5    16/12/1983 0.8928
6    19/12/1983 0.8770
7    20/12/1983 0.8795
8    21/12/1983 0.8905
9    22/12/1983 0.9005
10   23/12/1983 0.9005

我将如何显示这些记录的前 n%？例如。假设我想查看汇率在数据集中所有汇率中排名前 5% 的那些日子和汇率？

【问题讨论】：

标签： r dataframe

【解决方案1】：

前 5%：

n <- 5
data[data$V2 > quantile(data$V2,prob=1-n/100),]

【讨论】：

或者省点打字：subset(data, V2 > quantile(V2, prob = 1 - n/100))
或使用data.table:setDT(data)[V2 > quantile(V2, probs = 1 - n/100)]

【解决方案2】：

还有前 5%：

head(data[order(data$V2,decreasing=T),],.05*nrow(data))

【讨论】：

【解决方案3】：

如果数据基于V1 值排序，则可以为sqldf 使用另一种解决方案：

library(sqldf)
sqldf('SELECT * FROM df
       ORDER BY V1
       LIMIT (SELECT 0.05 * COUNT(*) FROM df)
      ')

您可以将费率表0.05 (5%) 更改为任何所需的费率。

【讨论】：

【解决方案4】：

dplyr 解决方案可能如下所示：

obs <- nrow(data) 
data %>% filter(row_number() < obs * 0.05)

这仅在数据已排序时才有效，但您的问题和示例数据暗示了这一点。如果数据未排序，您需要通过您感兴趣的变量arrange它：

data <- data %>% arrange(desc(V2))

【讨论】：