R 仅显示0-90%或0-95%的百分位数
这是我的代码和绘图结果，由于一些异常值，x轴非常长。是否有一种简单的方法，我可以通过R中的0-90%或0-95%百分位数过滤R 仅显示0-90%或0-95%的百分位数,r,statistics,R,Statistics,这是我的代码和绘图结果，由于一些异常值，x轴非常长。是否有一种简单的方法，我可以通过R中的0-90%或0-95%百分位数过滤df$foo，这样我就可以只绘制正常值？谢谢 df <- read.csv('~/Downloads/foo.tsv', sep='\t', header=F, stringsAsFactors=FALSE) names(df) <- c('a', 'foo', 'goo') df$foo <- as.numeric(df$foo) goodValue &
df$foodf <- read.csv('~/Downloads/foo.tsv', sep='\t', header=F, stringsAsFactors=FALSE)
names(df) <- c('a', 'foo', 'goo')
df$foo <- as.numeric(df$foo)
goodValue <- df$foo
summary(goodValue)
hist(goodValue,main="Distribution",xlab="foo",breaks=20)
df也许这就是你要找的
a = c(rnorm(99), 50) #create some data
quant <- as.numeric(quantile(a, c(0, 0.9))) #get 0 and 0.9 quantile
hist(a[a > quant[1] & a < quant[2]]) #histogram only data within these bounds
a=c（rnorm（99），50）#创建一些数据
定量定量[1]&a
也许这就是你要找的
a = c(rnorm(99), 50) #create some data
quant <- as.numeric(quantile(a, c(0, 0.9))) #get 0 and 0.9 quantile
hist(a[a > quant[1] & a < quant[2]]) #histogram only data within these bounds
a=c（rnorm（99），50）#创建一些数据
定量定量[1]&a
假设您想检查钻石。（我没有你的数据）
您可能会决定检查数据的小数点，因为尾部概率对您不感兴趣，您可能会丢弃最上面的小数点。你可以这样做，用一个自由标度，这样你就可以看到在每十分之一的范围内发生了什么
diamonds %>% mutate(ntile = ntile(price, 10)) %>%
filter(ntile < 10) %>%
ggplot() + geom_histogram(aes(x = price)) +
facet_wrap(~ntile, scales = "free_x")
diamonds%>%变异（ntile=ntile（价格，10））%>%
过滤器（总重量<10）%>%
ggplot（）+geom_直方图（aes（x=价格））+
镶嵌面包裹（~antile，scales=“free_x”）
但要小心尽管以更精细的粒度查看数据有其好处，但请注意，您几乎无法判断数据大致呈指数分布（与大宗商品价格数据通常一样，具有厚尾）
假设您想检查钻石。（我没有你的数据）
您可能会决定检查数据的小数点，因为尾部概率对您不感兴趣，您可能会丢弃最上面的小数点。你可以这样做，用一个自由标度，这样你就可以看到在每十分之一的范围内发生了什么
diamonds %>% mutate(ntile = ntile(price, 10)) %>%
filter(ntile < 10) %>%
ggplot() + geom_histogram(aes(x = price)) +
facet_wrap(~ntile, scales = "free_x")
diamonds%>%变异（ntile=ntile（价格，10））%>%
过滤器（总重量<10）%>%
ggplot（）+geom_直方图（aes（x=价格））+
镶嵌面包裹（~antile，scales=“free_x”）
但要小心尽管以更精细的粒度查看数据有其好处，但请注意，您几乎无法判断数据大致呈指数分布（与大宗商品价格数据通常一样，具有厚尾）
函数%%>%
是由dplyr
包导入的magrittr
包中的一个特殊函数。它意味着从%%>%%
之前获取前一个函数，并将其作为%%>%%
之后的前一个函数的第一个参数。例如，在本例中，它将钻石数据集作为第一个参数提供给mutate
函数，该函数将.data
作为第一个参数。它可以被读取为“and then”，例如，take diamonds”，然后“添加一列，指定价格是哪个小数点”，然后“删除最大的小数点”，然后”将其绘制为沿自由x轴的直方图。不同之处在于，删除10%的异常值不会对直方图造成太大的更改，因此不会丢失太多的数据结构。分位数计算分位数的数值，过滤器是一个函数，它给出一个逻辑表达式，选择与TRUE
匹配的行。在这种情况下，它选择不在前十分位的数据。在另一个答案中，代码中执行此操作的部分是最后一行的hist（）
中的内容。您为什么不读一下这个小插曲呢。在不到500个字符的时间里，它会比我做的更公正。函数%%>%%
是由dplyr
包导入的magrittr
包中的一个特殊函数。它意味着从%%>%%
之前获取前一个函数，并将其作为%%>%%
之后的前一个函数的第一个参数。例如，在本例中，它将钻石数据集作为第一个参数提供给mutate
函数，该函数将.data
作为第一个参数。它可以被读取为“and then”，例如，take diamonds”，然后“添加一列，指定价格是哪个小数点”，然后“删除最大的小数点”，然后”将其绘制为沿自由x轴的直方图。不同之处在于，删除10%的异常值不会对直方图造成太大的更改，因此不会丢失太多的数据结构。分位数计算分位数的数值，过滤器是一个函数，它给出一个逻辑表达式，选择与TRUE
匹配的行。在这种情况下，它选择不在前十分位的数据。在另一个答案中，代码中执行此操作的部分是最后一行的hist（）
中的内容。您为什么不读一下这个小插曲呢。在不到500个字符的时间里，它会比我做的更公正@LinMa我使用rnorm
只是为了创建一些数据<代码>分位数分位数（0:10）0:10分位数k