使用分组变量计算值的第 95 个百分位数答案

【问题标题】：Calculate 95th percentile of values with grouping variable使用分组变量计算值的第 95 个百分位数
【发布时间】：2011-03-29 13:45:05
【问题描述】：

我正在尝试计算按流域分组的多个水质值的第 95 个百分位，例如：

Watershed   WQ
50500101    62.370661
50500101    65.505046
50500101    58.741477
50500105    71.220034
50500105    57.917249

我查看了发布的这个问题 - Percentile for Each Observation w/r/t Grouping Variable。它似乎非常接近我想要做的，但它是为了每次观察。我需要它用于每个分组变量。如此理想，

Watershed   WQ - 95th
50500101    x
50500105    y

【问题讨论】：

标签： excel r variables grouping

【解决方案1】：

这可以使用plyr 库来实现。我们指定分组变量Watershed 并要求 WQ 的 95% 分位数。

library(plyr)
#Random seed
set.seed(42)
#Sample data
dat <- data.frame(Watershed = sample(letters[1:2], 100, TRUE), WQ = rnorm(100))
#plyr call
ddply(dat, "Watershed", summarise, WQ95 = quantile(WQ, .95))

结果

  Watershed     WQ95
    1         a 1.353993
    2         b 1.461711

【讨论】：

我很想使用daply，因为结果很好地压缩为一个数组，例如daply(dat, .(Watershed), function(x) quantile(x$WQ, 0.95))。
数据框在未来聚合和连接回原始数据方面通常更容易使用

【解决方案2】：

希望我能正确理解您的问题。这是你要找的吗？

my.df <- data.frame(group = gl(3, 5), var = runif(15))
aggregate(my.df$var, by = list(my.df$group), FUN = function(x) quantile(x, probs = 0.95))

  Group.1         x
1       1 0.6913747
2       2 0.8067847
3       3 0.9643744

编辑

根据文森特的回答，

aggregate(my.df$var, by = list(my.df$group), FUN = quantile, probs  = 0.95)

也有效（你可以用 1001 种方式给猫剥皮——有人告诉过我）。附带说明，您可以指定所需的 -iles 向量，例如 c(0.1, 0.2, 0.3...) 用于十分位数。或者您可以尝试使用函数summary 获取一些预定义的统计信息。

aggregate(my.df$var, by = list(my.df$group), FUN = summary)

【讨论】：

我以前从未使用过 gl... :)

【解决方案3】：

结合使用 tapply 和 quantile 函数。例如，如果您的数据集如下所示：

DF <- data.frame('watershed'=sample(c('a','b','c','d'), 1000, replace=T), wq=rnorm(1000))

使用这个：

with(DF, tapply(wq, watershed, quantile, probs=0.95))

【讨论】：

Richie：'with' 编辑真的是一种改进吗？我不介意，但我只是想知道您是否觉得这样更优雅，或者是否有实际的技术优势。
我觉得这是一个品味问题，虽然如果你想要它更有活力，它可能有它的优势。

【解决方案4】：

在 Excel 中，您将需要使用数组公式来简化此操作。我建议如下：

{=PERCENTILE(IF($A2:$A6 = Watershed ID, $B$2:$B$6), 0.95)}

A 列是分水岭 ID，B 列是 WQ 值。

另外，请务必将公式作为数组公式输入。输入公式时按 Ctrl+Shift+Enter 即可。

【讨论】：

插入分水岭 ID 的值。那只是一个占位符。例如 {=PERCENTILE(IF($A2:$A6 = 50500101, $B$2:$B$6), 0.95)}
如果您对 Watershed ID 使用单元格引用，您可以填写表格中所有 ID 的公式。

【解决方案5】：

使用data.table-package 你可以做到：

set.seed(42)
#Sample data
dt <- data.table(Watershed = sample(letters[1:2], 100, TRUE), WQ = rnorm(100))

dt[ ,
    j = .(WQ95 = quantile(WQ, .95, na.rm = TRUE),
    by = Watershed]

【讨论】：