通过列循环并按组计算IQR的最快方法，然后根据参考组计算每组的IQR比例？

我有一个大的数据集（大约12000列），看起来像这样

    > df
    ID Group val1 val2 val3
    1 01     a    3    3    3
    2 02     a    4    4    4
    3 03     b    6    6    7
    4 04     c   10   10   19
    5 05     b    2    2    2
    6 06     b    4    4    4
    7 07     c    8    8    8
    8 08     c   12   12   12

循环遍历每个列，并获得每个组的IQR

然后为每组的每一列计算一个deltaIQR

比如说

B组的增量IQR=（B组的IQR-A组的IQR）/A组的IQR

C组的增量IQR=（C组的IQR-A组的IQR）/A组的IQR

最有效的方法是什么

我试图通过小组解决方案进行dplyr总结，但df太大。我还需要先计算分位数，等等，所以它会变得更难处理

以前使用dplyr解决方案会带来一些错误

df %>%
  group_by(Group) %>%
  summarise_at(vars(matches('val')), IQR) %>% 
  rename_at(-1, ~ paste0(., "_IQR")) %>% 
  mutate_at(vars(matches('val')), list(delta= ~ (. - .[1])/.[1]))

在我的实际数据集中

> temp
  v6599_IQR v6599_IQR_delta v1554_IQR v1554_IQR_delta
1   0.00191803       0.000000e+00  0.001794153       0.000000e+00
2   0.62698976       3.258926e+02  1.722508234       9.590677e+02
3   0.00191803       7.235440e-15  0.001794153       4.641005e-14
4   0.00191803      -3.617720e-14  2.155928869       1.200642e+03

现在似乎有一个错误，因为当我计算3和4的deltaIQR时。。。计算已关闭，对于第一列，第3行和第4行的增量IQR应为0。

更新： 要计算

deltaIQR

，我使用的是

dplyr

库（dplyr）
df%>%
分组依据（分组）%>%
在（VAR（匹配项（'val'））、IQR%%>
将_重命名为（-1，~0（，“_IQR”））%>%
在（vars（matches（'val'））、list（delta=~（.-[1]）/[1]）处进行变异
#>#tibble:3 x 7
#>组val1_IQR val2_IQR val3_IQR val1_IQR_delta val2_IQR_delta val3_deltaIQR
#>                                            
#>1 a 0.50.50.50 0
#>2 b 2 2.5 3 4
#>3 C2 5.5 3 3 10

---

通过列循环计算

IQR

可以在

base

中完成：

sappy（df[，3:5]，函数（x）tapply（x，df$组，IQR））
#>val1 val2 val3
#>a 0.50.50.5
#>b 2.0 2.0 2.5
#>c 2.0 2.0 5.5

数据：

---

df你能分享
dput（head（yourdata，10）
）的输出吗？数据太多了，但我给你展示了两列的输出，对于IQR和deltaIQR，第1-4行是独立的组。我给你展示的语法只分享了10行，所以数据的大小无关紧要。你是指我的输入数据还是dplyr的输出（见编辑后文）你想知道为什么增量IQR是7.235440e-15和-3.617720e-14，而不是0.000000e+00吗？这是由于对浮点运算进行了深入解释