如何计算未排序数据集的中位数答案

【问题标题】：how to calculate medians for unsorted dataset如何计算未排序数据集的中位数
【发布时间】：2014-08-30 06:00:54
【问题描述】：

我有成千上万个这样的数据集：

>student1
    quantities score
[1]          4    10         
[2]          1    12         
[3]         78     5         
[4]          6   294

我想计算这个学生的分数中位数。对于每个分数，我们都有一些数量。在这种情况下，我希望它返回 5，因为中位数是 78 个 5 之一。

我在这里查看了一些帖子，例如 how to calculate the median on grouped dataset? ，但我无法使用它，因为我有数千个数据集。

我也尝试安装aroma.light 包和matrixstats 包，但我仍然不能使用“weighted.median 函数”的东西。它告诉我

Error: could not find function "weightedMedians"

好的，上面只是一个例子，我的真实数据集是这样的：

>test
     [,1]          [,2]
info    3            10
info    2            20
        4      86779637
        1        135777
        7          2342

但是当我尝试使用时

>rep(test[, 1], test[, 2])

它出现了

Error in rep(test[, 1], test[, 2]) : invalid 'times' argument
In addition: Warning message:
NAs introduced by coercion

我现在能做什么？

【问题讨论】：

标签： r median

【解决方案1】：

你可以使用：

median(rep(student1$score, student1$quantities))

这相对较快（使用 10 万行的模拟数据集只需几秒钟）

【讨论】：

它告诉我invalid 'times' argument ?
嗯，数量列可能有问题。没有看到实际数据就无法判断...

【解决方案2】：

matrixStats包中计算加权中位数的函数称为weightedMedian()（不带复数's'），例如

> library("matrixStats")
matrixStats v0.14.0 (2015-02-13) successfully loaded. See ?matrixStats for help.
> weightedMedian(student1$score, w=student1$quantities)
[1] 5.670732
> weightedMedian(student1$score, w=student1$quantities, interpolate=FALSE)
[1] 5

【讨论】：