每个观察值的百分位数w/r/t分组变量

我有一些数据如下所示。它是按变量“年”分组的，我想提取每个分数观察值的百分位数，相对于它来自的年份，最好作为一个向量

Year   Score
2001   89
2001   70
2001   72
2001   ...
..........
2004   87
2004   90

等等

---

我该怎么做？聚合不起作用，我认为应用也不起作用。

我可能会误解，但我认为可以这样做：

> years = c(2006, 2006, 2006, 2006, 2001, 2001, 2001, 2001, 2001)
> scores = c(13, 65, 23, 34, 78, 56, 89, 98, 100)
> tapply(scores, years, quantile)
$`2001`
  0%  25%  50%  75% 100% 
  56   78   89   98  100 

$`2006`
   0%   25%   50%   75%  100% 
13.00 20.50 28.50 41.75 65.00 

是这样吗

我指的是每个人的实际百分比 观察结果–瑞安·罗萨里奥

编辑：

我认为这样做可以：

> tapply(scores, years, function(x) { f = ecdf(x); sapply(x, f) })
$`2001`
[1] 0.4 0.2 0.6 0.8 1.0

$`2006`
[1] 0.25 1.00 0.50 0.75

使用您的数据：

> tapply(scores, years, function(x) { f = ecdf(x); sapply(x, f) })
$`2000`
[1] 0.3333333 0.6666667 1.0000000

$`2008`
[1] 0.5 1.0

编辑2：

这可能更快：

tapply(scores, years, function(x) { f = ecdf(x); f(x) })

f（）

已矢量化：-）

最后，修改，我保证：-）。如果您想要姓名：

> tapply(scores, years, function(x) { f = ecdf(x); r = f(x); names(r) <- x; r })
$`2000`
     1000      1700      2000 
0.3333333 0.6666667 1.0000000 

$`2008`
1500 2000 
 0.5  1.0 

---

我找到了一个方法，但它需要一个循环

group.pctiles <- function(group.var, comparable) {
    unique.vals <- unique(group.var)
    pctiles <- vector(length = length(group.var))
    for (i in 1:length(unique.vals)) {
        slice <- which(group.var == unique.vals[i])
        F <- ecdf(comparable[slice])
        group.pctiles <- F(comparable[slice])
        pctiles[slice] <- group.pctiles
    }
    return(pctiles)
}

然后，我可以将这些百分位数重新定位到原始数据框架中，用于分析、报告等

---

任何人都有一个不需要循环的解决方案吗？

继Vince的解决方案之后，您也可以使用

plyr

或

by

来实现这一点：

ddply(df, .(years), function(x) transform(x, percentile=ecdf(x$scores)(x$scores)))

---

比如说：

Year <- c(2000,2008,2008,2000,2000)
Fees <- c(1000,1050,2000,1700,2000)
dat <- data.frame(Fees,Year,result=NA)
res <- tapply(Fees,Year,function(x) rank(x,ties.method="max")/length(x))
for(i in 1:length(res))
   dat[Year==as.numeric(names(res)[i]),"result"] <-res[[i]]

---

您也可以这样做：

# first I'll create two dummy variables (Year, Score)
year <- rep(2001:2005, 2)
score <- round(rnorm(10, 35, 3))

# then coerce variables to data frame
d <- data.frame(year, score)

# then you can use split() function to apply
# function to each stratum of grouping variable
sapply(split(score, year), function(x) quantile(x, probs=seq(.1, .9, .1)))

     2001 2002 2003 2004 2005
10%  34.3 32.1 34.3 29.6 36.1
20%  34.6 32.2 34.6 30.2 36.2
30%  34.9 32.3 34.9 30.8 36.3
40%  35.2 32.4 35.2 31.4 36.4
50%  35.5 32.5 35.5 32.0 36.5
60%  35.8 32.6 35.8 32.6 36.6
70%  36.1 32.7 36.1 33.2 36.7
80%  36.4 32.8 36.4 33.8 36.8
90%  36.7 32.9 36.7 34.4 36.9

如果愿意，您可以使用t（）函数来转置行和列。编写函数将是解决此类问题的好方法。我强烈推荐Hadley Wickam编写的plyr包

希望这有帮助！ 祝您一切顺利！

使用

ave

ave(d1$scores, d1$year, FUN=function(x) ecdf(x)(x))

---

使用data.table也很简单。这只是为了完整性，也是找到data.table解决方案的简单方法

library(data.table)
year <- rep(2001:2005, 2)
score <- round(rnorm(10, 35, 3))

dt <- data.table(score)


dt[, .(Percentile = ecdf(score)(score)), by = list(year)]

库（data.table）
今年是美好的一年。我知道必须有一个单行的方法来做到这一点，即使它需要加载一个包。或者更简单一点：
ddply（df，.（years），transform，percentile=ecdf（scores）（scores））
我认为这是最好的解决方案-它使用来自stats的函数，是单行的。干得好！
ave(d1$scores, d1$year, FUN=function(x) ecdf(x)(x))

library(data.table)
year <- rep(2001:2005, 2)
score <- round(rnorm(10, 35, 3))

dt <- data.table(score)


dt[, .(Percentile = ecdf(score)(score)), by = list(year)]