Kwantyle według poziomów czynników w R
Mam ramkę danych i próbuję utworzyć nową zmienną w ramce danych, która ma kwantyle zmiennej ciągłejvar1
, dla każdego poziomu czynnikastrata
.
# some data
set.seed(472)
dat <- data.frame(var1 = rnorm(50, 10, 3)^2,
strata = factor(sample(LETTERS[1:5], size = 50, replace = TRUE))
)
# function to get quantiles
qfun <- function(x, q = 5) {
quantile <- cut(x, breaks = quantile(x, probs = 0:q/q),
include.lowest = TRUE, labels = 1:q)
quantile
}
Próbowałem użyć dwóch metod, z których żadna nie daje użytecznego wyniku. Po pierwsze, próbowałem użyćaggregate
aplikowaćqfun
do każdego poziomustrata
:
qdat <- with(dat, aggregate(var1, list(strata), FUN = qfun))
Zwraca to kwantyle według poziomu współczynnika, ale dane wyjściowe są trudne do przywrócenia z powrotem do ramki danych (np. Przy użyciuunlist
nie wyrównuje wartości nowej zmiennej z poprawnymi wierszami w ramce danych).
Drugim podejściem było wykonanie tego kroku:
tmp1 <- with(dat, split(var1, strata))
tmp2 <- lapply(tmp1, qfun)
tmp3 <- unlist(tmp2)
dat$quintiles <- tmp3
Ponownie oblicza to kwantyle poprawnie dla każdego poziomu czynnika, ale oczywiście, tak jak w przypadkuaggregate
nie są w odpowiedniej kolejności w ramce danych. Możemy to sprawdzić, umieszczając kwantyle „pojemniki” w ramce danych.
# get quantile bins
qfun2 <- function(x, q = 5) {
quantile <- cut(x, breaks = quantile(x, probs = 0:q/q),
include.lowest = TRUE)
quantile
}
tmp11 <- with(dat, split(var1, strata))
tmp22 <- lapply(tmp11, qfun2)
tmp33 <- unlist(tmp22)
dat$quintiles2 <- tmp33
Wiele wartościvar1
są poza pojemnikamiquantile2
. Czuję, że brakuje mi czegoś prostego. Wszelkie sugestie byłyby bardzo mile widziane.