按 R 中的组将分位数与单个数字进行比较答案

【问题标题】：Compare the quantile against a single number by groups in R按 R 中的组将分位数与单个数字进行比较
【发布时间】：2020-07-08 01:37:06
【问题描述】：

我有两个数据框：第一个包含该产品的许多订单的 product_id 和周期时间，另一个数据框包含每个产品的标准周期时间。我想要实现的是将它们各自的标准周期时间与实际周期时间的分布进行比较。更具体地说，对于产品 A，历史周期时间为：

cycletime_for_A <- rnorm(n = 100,mean = 5,sd = 2)

standard_ct_for_A <- 8

percentile_of_a <- ecdf(cycletime_for_A)

percentile_of_a(standard_ct_for_A)

然后我得到 0.95 的结果，这意味着在 95% 的机会中，实际周期时间比标准周期时间短。

但是，我有数千种不同标准周期时间的不同产品，我如何通过组来完成同样的事情？如果可能，我的目标是采用 tidyverse 方法。

一个最小的示例数据集如下：

product_cycle_time <- data.frame(
  product_id = rep(c("A","B","C"),100),
  cycle_time = round(runif(n = 300,min = 1,max = 100))
)

standard_cycle_time <- data.frame(
  product_id=c("A","B","C"),
  std_cycle_time=c(10,20,15)
)

【问题讨论】：

标签： r dplyr quantile

【解决方案1】：

试试这个。基本思路：按产品id拆分df，然后使用map2对每个产品进行计算。

library(dplyr)
library(purrr)

set.seed(42)

product_cycle_time <- data.frame(
  product_id = rep(c("A","B","C"),100),
  cycle_time = round(runif(n = 300,min = 1,max = 100))
) %>% 
  split(.$product_id)

standard_cycle_time <- data.frame(
  product_id=c("A","B","C"),
  std_cycle_time=c(10,20,15)
)%>% 
  split(.$product_id)

purrr::map2(product_cycle_time, standard_cycle_time, ~ ecdf(.x$cycle_time)(.y$std_cycle_time))
#> $A
#> [1] 0.1
#> 
#> $B
#> [1] 0.19
#> 
#> $C
#> [1] 0.15

^{由reprex package (v0.3.0) 于 2020 年 3 月 27 日创建}

【讨论】：

感谢@stefan 的帮助和快速响应，它按预期工作。真的需要花更多的时间来学习 purrr。谢谢！

【解决方案2】：

为了更方便，你可以先merge to 数据框，

dat <- merge(product_cycle_time, standard_cycle_time, all=TRUE)

然后，使用mapply:

with(dat, mapply(function(x, y) ecdf(x)(y), split(cycle_time, product_id), 
                 unique(std_cycle_time)))
#    A    B    C 
# 0.10 0.19 0.15

如果您想要一个列表而不是向量，请使用 Map 而不是 mapply。

或者，使用by:

by(dat, dat$product_id, function(x) ecdf(x$cycle_time)(el(x$std_cycle_time)))
# dat$product_id: A
# [1] 0.1
# ------------------------------------------------------------------- 
# dat$product_id: B
# [1] 0.19
# ------------------------------------------------------------------- 
# dat$product_id: C
# [1] 0.15

数据：

set.seed(42)
product_cycle_time <- data.frame(
  product_id=LETTERS[1:3],
  cycle_time=round(runif(300,1,100))
)
standard_cycle_time <- data.frame(
  product_id=LETTERS[1:3],
  std_cycle_time=c(10,20,15)
)

【讨论】：