R中的分组排名答案

【问题标题】：Grouped ranking in RR中的分组排名
【发布时间】：2015-10-21 07:40:39
【问题描述】：

我有一个具有如下主键和比率值的数据

2.243164164
1.429242413
2.119270714
3.013427143
1.208634972
1.208634972
1.23657632
2.212136028
2.168583297
2.151961216
1.159886063
1.234106444
1.694206176
1.401425329
5.210125578
1.215267806
1.089189869

我想添加一个排名列，将这些比率分组到 3 个箱中。类似sas代码的功能：

PROC RANK DATA = TAB1 GROUPS = &NUM_BINS

【问题讨论】：

我们可以使用?cut并指定breaks=3
预期的输出是什么？
是的@akrun 解决方案很棒：试试data.frame(Value=values,Bin=as.integer(cut(values,breaks=3)))
我试过剪切。但是，箱中的观察数量不相等。预期的输出将是宾1（1.089189869 1.159886063 1.208634972 1.208634972 1.215267806 1.234106444）宾2（1.23657632 1.401425329 1.429242413 1.694206176 2.119270714 2.151961216）BIN3（2.168583297 2.212136028 2.243164164 3.013427143 5.210125578）基本上排序，并在仓具有相等数目的观测分组跨度>

标签： r

【解决方案1】：

我做了以下事情：将您的向量转换为数据框。创建变量排名：

test2$rank<-rank(test2$test)
> test2
   test    rank
1  2.243164 15.0
2  1.429242  9.0
3  2.119271 11.0
4  3.013427 16.0
5  1.208635  3.5
6  1.208635  3.5
7  1.236576  7.0
8  2.212136 14.0
9  2.168583 13.0
10 2.151961 12.0
11 1.159886  2.0
12 1.234106  6.0
13 1.694206 10.0
14 1.401425  8.0
15 5.210126 17.0
16 1.215268  5.0
17 1.089190  1.0

定义函数以转换为百分位数，然后将 pr 定义为该百分位数。

percent.rank<-function(x) trunc(rank(x)/length(x)*100)
test3<-within(test2,pr<-percent.rank(rank))

然后我根据您想要其中 3 个的事实创建了垃圾箱。

test3$bins <- cut(test3$pr, breaks=c(0,33,66,100), labels=c("0-33","34-66","66-100"))

       test    x rank  pr   bins
1  2.243164 15.0 15.0  88 66-100
2  1.429242  9.0  9.0  52  34-66
3  2.119271 11.0 11.0  64  34-66
4  3.013427 16.0 16.0  94 66-100
5  1.208635  3.5  3.5  20   0-33
6  1.208635  3.5  3.5  20   0-33
7  1.236576  7.0  7.0  41  34-66
8  2.212136 14.0 14.0  82 66-100
9  2.168583 13.0 13.0  76 66-100
10 2.151961 12.0 12.0  70 66-100
11 1.159886  2.0  2.0  11   0-33
12 1.234106  6.0  6.0  35  34-66
13 1.694206 10.0 10.0  58  34-66
14 1.401425  8.0  8.0  47  34-66
15 5.210126 17.0 17.0 100 66-100
16 1.215268  5.0  5.0  29   0-33
17 1.089190  1.0  1.0   5   0-33

这对你有用吗？

【讨论】：

【解决方案2】：

几乎迟到了，但鉴于您的数据，我们可以使用来自 dplyr 包的 ntile 来获得相同大小的组：

df <- data.frame(values = c(2.243164164,
                   1.429242413,
                   2.119270714,
                   3.013427143,
                   1.208634972,
                   1.208634972,
                   1.23657632,
                   2.212136028,
                   2.168583297,
                   2.151961216,
                   1.159886063,
                   1.234106444,
                   1.694206176,
                   1.401425329,
                   5.210125578,
                   1.215267806,
                   1.089189869))
library(dplyr)

df <- df %>%
  arrange(values) %>%
  mutate(rank = ntile(values, 3))
    
    
     values rank
1  1.089190    1
2  1.159886    1
3  1.208635    1
4  1.208635    1
5  1.215268    1
6  1.234106    1
7  1.236576    2
8  1.401425    2
9  1.429242    2
10 1.694206    2
11 2.119271    2
12 2.151961    2
13 2.168583    3
14 2.212136    3
15 2.243164    3
16 3.013427    3
17 5.210126    3

或从ggplot2 包中查看cut_number：

library(ggplot2)
df$rank2 <- cut_number(df$values, 3, labels = c(1:3))

     values rank rank2
1  1.089190    1     1
2  1.159886    1     1
3  1.208635    1     1
4  1.208635    1     1
5  1.215268    1     1
6  1.234106    1     1
7  1.236576    2     2
8  1.401425    2     2
9  1.429242    2     2
10 1.694206    2     2
11 2.119271    2     2
12 2.151961    2     3
13 2.168583    3     3
14 2.212136    3     3
15 2.243164    3     3
16 3.013427    3     3
17 5.210126    3     3

因为您的样本包含 17 个数字，所以一个 bin 包含 5 个数字，而其他 bin 包含 6 个数字。第 12 行有所不同：ntile 将 6 个数字分配给第一组和第二组，而 cut_number 将它们分配给第一组和第三组。

> table(df$rank)
1 2 3 
6 6 5 

> table(df$rank2)
1 2 3 
6 5 6

参见此处：Splitting a continuous variable into equal sized groups

【讨论】：