使用ecdf（）和plyr:：percent_rank（）的不同百分位数

我一直试图根据大量的观察结果计算百分位数。我遇到了两种计算百分位数的不同方法。因为我正在处理面板数据集，所以我想将每个时间段的百分位数分组。为此，我使用了这个和这个问题

现在的问题是，这两个命令之间的百分比明显不同，我想知道这两个命令是否“正确”。 为了证明这一点：

library(data.table)
library(plyr)
years = c(2006, 2006, 2006, 2006, 2001, 2001, 2001, 2001, 2001)
scores = c(13, 65, 23, 34, 78, 56, 89, 98, 100)

dt <- data.table(years
                 , scores)

ddply(dt, .(years), transform, percentile = ecdf(scores)(scores)) 
ddply(dt, .(years), transform, percentile = round(percent_rank(scores), 4)) 
dt[, .( scores
      , ecdf.percentile = ecdf(scores)(scores)
      , p.rank.percentile = round(percent_rank(scores), 4) )
      , by = list(years)][order(years),]

---

查看

ecdf

和

percent\u rank

的定义。我认为您应该使用dplyr:：cume\u dist。这将为您提供与ecdf相同的结果<代码>dt[，（分数，ecdf.percentile=ecdf（分数）（分数），p.rank.percentile=round（cume_dist（分数），4）），by=list（years）][顺序（years），]Ah ok，谢谢。但是我认为这些函数有一些混淆，在这个答案中也可以看到。我不知道这是否是计算四分位数的正确方法，这也是我的下一步。在这种情况下，我建议理解百分位数和分位数之间的差异。是啊，对不起，我昨天迟到了，不管怎样，谢谢。

   years scores ecdf.percentile p.rank.percentile
1:  2001     78            0.40            0.2500
2:  2001     56            0.20            0.0000
3:  2001     89            0.60            0.5000
4:  2001     98            0.80            0.7500
5:  2001    100            1.00            1.0000
6:  2006     13            0.25            0.0000
7:  2006     65            1.00            1.0000
8:  2006     23            0.50            0.3333
9:  2006     34            0.75            0.6667