如何创建基于 N 个百分位数的二元向量？答案

【问题标题】：How do I create a binary vector based on N percentile?如何创建基于 N 个百分位数的二元向量？
【发布时间】：2021-09-29 09:27:45
【问题描述】：

如何为高 25% 基因表达编码为 1 而所有其他患者编码为 0 的患者创建二进制向量（命名为 group）？

> dput(head(dat, 20))
c(14.0217647549219, 4.38634192539018, 11.230612647966, 13.5882888840484, 
10.2699597878478, 8.09562488203986, 14.1224780341231, 10.4488388145038, 
12.2745444001468, 9.09203349810451, 14.3513862469323, 11.5782968747535, 
13.6411144041398, 9.79892114560863, 11.1019611651618, 12.5146158084875, 
12.643970834391, 1.09720624597437, 5.83979838350692, 11.1604484254692
)

【问题讨论】：

标签： r dataframe matrix

【解决方案1】：

我们可以使用quantile 来创建群组

dat$group <- with(dat, +(V1 >= quantile(V1, 0.75)))
dat$group
[1] 0 1 0 0 0 0 1 0

更新

根据 cmets，OP 的 'dat' 是 vector

dat <-  c(14.0217647549219, 4.38634192539018, 11.230612647966, 13.5882888840484, 10.2699597878478, 8.09562488203986, 14.1224780341231, 10.4488388145038, 12.2745444001468, 9.09203349810451, 14.3513862469323, 11.5782968747535, 13.6411144041398, 9.79892114560863, 11.1019611651618, 12.5146158084875, 12.643970834391, 1.09720624597437, 5.83979838350692, 11.1604484254692 )

因此，我们可以直接在对象上应用quantile

group <- +(dat >= quantile(dat, 0.75))
out <- data.frame(V1 = dat, group)

-输出

 out
          V1 group
1  14.021765     1
2   4.386342     0
3  11.230613     0
4  13.588289     1
5  10.269960     0
6   8.095625     0
7  14.122478     1
8  10.448839     0
9  12.274544     0
10  9.092033     0
11 14.351386     1
12 11.578297     0
13 13.641114     1
14  9.798921     0
15 11.101961     0
16 12.514616     0
17 12.643971     0
18  1.097206     0
19  5.839798     0
20 11.160448     0

数据

dat <- structure(list(V1 = c(4.124, 5.215, 1.368, 0.325, 0.368, 3.653, 
36.12, 0.124)), class = "data.frame", row.names = c("1", "2", 
"3", "4", "5", "6", "7", "8"))

【讨论】：

我有一个大数据集。如何创建数据框？
@melil 对不起，我不明白你的问题。为什么需要创建数据框？您已经提供了一个示例，带有quantile 的代码可以处理向量，即提取的列。
@melil 你的意思是你有一些文件，你想读取数据吗？你可以使用dat <- read.csv("yourfile.csv")
很抱歉给您带来了困惑。我的意思是你答案的dat <- structure(...) 部分。
@melil 只是使用dput(dat) 它给出了数据的结构，因此如果您复制帖子中的代码并执行，我们将拥有相同的数据结构。通常，当人们显示他们的数据（如您所显示的）时，可能会出现一些问题，即您的数据列可能具有不同的类型，并且某些代码不起作用。有了dput，你我或者任何人都可以使用相同类结构的相同数据