r - R中ntile和cut之间的区别，然后分位数()函数

Question

我在该主题上找到了两个线程来计算R中的十分位数。但是，这两种方法，即dplyr::ntile和quantile()产生不同的输出。实际上，dplyr::ntile()无法输出适当的十进制。

方法1：使用ntile（）
在R: splitting dataset into quartiles/deciles. What is the right method?线程中，我们可以使用ntile()。

这是我的代码：

vector<-c(0.0242034679584454, 0.0240411606258083, 0.00519255930109344, 
  0.00948031338483081, 0.000549450549450549, 0.085972850678733, 
  0.00231687756193192, NA, 0.1131625967838, 0.00539244534707915, 
  0.0604885614579294, 0.0352030947775629, 0.00935626135385923, 
  0.401201201201201, 0.0208212839791787, NA, 0.0462887301644538, 
  0.0224952741020794, NA, NA, 0.000984952654008562)

ntile(vector,10)

输出为：

ntile(vector,10)
5  5  2  3  1  7  1 NA  8  2  7  6  3  8  4 NA  6  4 NA NA  1

如果我们对此进行分析，就会发现没有第十个分位数！

方法2：使用分位数（）
现在，让我们使用 How to quickly form groups (quartiles, deciles, etc) by ordering column(s) in a data frame线程中的方法。

这是我的代码：

as.numeric(cut(vector, breaks=quantile(vector, probs=seq(0,1, length  = 11), na.rm=TRUE),include.lowest=TRUE))

输出为：

 7  6  2  4  1  9  2 NA 10  3  9  7  4 10  5 NA  8  5 NA NA  1

如我们所见，输出完全不同。我在这里想念什么？我将不胜感激。

这是 ntile()函数中的错误吗？

Answer 1

在dplyr::ntile中，NA总是最后一个（最高排名），这就是为什么在这种情况下看不到十分位数的原因。如果您不希望decil考虑NA，则可以定义一个函数，例如我接下来要使用的here：

ntile_na <- function(x,n)
{
  notna <- !is.na(x)
  out <- rep(NA_real_,length(x))
  out[notna] <- ntile(x[notna],n)
  return(out)
}

ntile_na(vector, 10)
# [1]  6  6  2  4  1  9  2 NA  9  3  8  7  3 10  5 NA  8  5 NA NA  1

另外， quantile有9种计算分位数的方式，您使用的是默认值，即数字7（您可以在 ?stats::quantile中查找不同的 type，在 here中进行有关其的讨论）。

如果你试试

as.numeric(cut(vector, 
               breaks = quantile(vector, 
                                 probs = seq(0, 1, length = 11), 
                                 na.rm = TRUE,
                                 type = 2),
               include.lowest = TRUE))
# [1]  6  6  2  4  1  9  2 NA  9  3  8  7  3 10  5 NA  8  5 NA NA  1

您得到的结果与使用 ntile的结果相同。

总结：这不是bug，只是实现它们的方式不同。