R中分位数函数的性质

在解决一个问题时，我注意到了一些有趣的事情。我不知道到底发生了什么，但是发生了一些我没有预料到的事情。我可能犯了错误，但让我从一个例子开始：

x <- rnorm( 100 )
y <- x[ x > quantile( x, 0.1 ) ]
z <- x[ x > quantile( x, c( 0.1, 0.2 ) ) ]
a <- x[ x > quantile( x, c( 0.1, 0.2, 0.3 ) ) ]

xx长度（x[x>分位数（x，0.1）]）
[1] 90
>长度（x[x>分位数（x，0.2）]）
[1] 80
>长度（x[x>分位数（x，c（0.1,0.2）））
[1] 85

您对

和R的回收行为感到困惑。当

分位数

返回超过1个值时（如前两个示例中所示），它会将这些向量循环为与

x

相同的长度，以便通过

进行向量化比较

因此，在最后两个示例中，它反复重复

分位数

中的2或3个值，直到得到的向量长度与

x

相同，并将它们与

进行元素级比较

编辑

---

也许我的解释不够清楚。在编辑的最后一行，

x>分位数（x，c（0.1，0.2））

R将

x

的第一个元素与0.1分位数进行比较，

x

的第二个元素与0.2分位数进行比较，

x

的第三个元素与0.1分位数进行比较，

x

的第四个元素与0.2分位数进行比较，依此类推。明白了吗？：）

我的答案也是对你的编辑的解释。是的，你的答案现在的编辑是完全有意义的。很高兴知道。谢谢

> x <- rnorm( 100 )
> length( x[ x > quantile( x, 0.1 ) ] )
[1] 90
> length( x[ x > quantile( x, 0.2 ) ] )
[1] 80
> length( x[ x > quantile( x, c( 0.1, 0.2 ) ) ] )
[1] 85