如何在R数据框中按每个百分点排序数据[r]

Question

我有一个数据框，其中包含70-80行有序响应时间（rt）数据，每个228个人每个都有唯一的ID＃（每个人都有没有相同数量的行）。我想把每个人的RTs分成5个垃圾箱。我希望第一仓是他们最快的20％，第二仓是他们下一个最快的20％RT等等，等等。每个仓都应该有相同数量的试验（除非试验的总数是奇数）。

我现在的数据帧是这样的：

id  RT 
7000 225 
7000 250 
7000 253 
7001 189 
7001 201 
7001 225 

我想我的新数据框，看起来像这样：

id RT Bin 
7000 225 1 
7000 250 1 

让我的数据看起来像在此之后，我将通过汇总id和bin

我能想到的唯一方法是将数据拆分成一个列表（使用split命令），循环遍历每个人，使用分位数命令获得断点f或不同仓位，为每个响应时间分配仓值（1-5）。这感觉非常复杂（对我来说很难）。我遇到了一些困难，如果能够简化这一过程，我将不胜感激。谢谢。

Answer 1

答案@Chase将范围分成5组长度相等（端点不同）。你似乎想要的是pentiles（每组5个组数相同）。对于这一点，你需要在Hmisc

library("plyr") 
library("Hmisc") 

dat <- data.frame(id = rep(1:10, each = 10), value = rnorm(100)) 

tmp <- ddply(dat, "id", transform, hists = as.numeric(cut2(value, g = 5))) 

TMP的cut2功能现在有你想要什么

> tmp 
    id  value hists 
1 1 0.19016791  3 
2 1 0.27795226  4 
3 1 0.74350982  5 
4 1 0.43459571  4 
5 1 -2.72263322  1 
.... 
95 10 -0.10111905  3 
96 10 -0.28251991  2 
97 10 -0.19308950  2 
98 10 0.32827137  4 
99 10 -0.01993215  4 
100 10 -1.04100991  1 

在每个hists相同数量的每个id

> table(tmp$id, tmp$hists) 

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

Answer 2

下面是使用包装plyr和cut功能重复的例子：

dat <- data.frame(id = rep(1:10, each = 10), value = rnorm(100)) 

ddply(dat, "id", transform, hists = cut(value, breaks = 5)) 

    id  value    hists 
1 1 -1.82080027  (-1.94,-1.41] 
2 1 0.11035796  (-0.36,0.166] 
3 1 -0.57487134 (-0.886,-0.36] 
4 1 -0.99455189 (-1.41,-0.886] 
.... 
96 10 -0.03376074 (-0.233,0.386] 
97 10 -0.71879488 (-0.853,-0.233] 
98 10 -0.17533570 (-0.233,0.386] 
99 10 -1.07668282 (-1.47,-0.853] 
100 10 -1.45170078 (-1.47,-0.853] 

通行证在labels = FALSE到cut，如果你想简单的整数值返回而不是垃圾箱。

Answer 3

下面是普通的旧R.

#make up some data 
df <- data.frame(rt = rnorm(60), id = rep(letters[1:3], rep(20))) 

#and this is all there is to it 
df <- df[order(df$id, df$rt),] 
df$bin <- rep(unlist(tapply(df$rt, df$id, quantile)), each = 4) 

答案你会注意到，使用quantile命令可以被设置为使用任何位数。默认值为五分位数，但如果您想要十位数，则使用

quantile(x, seq(0, 1, 0.1)) 

以上功能。

上面的答案有点脆弱。它需要相同数量的RT/ID，并且我没有告诉你如何达到幻数4.但是，它也会在大型数据集上运行得非常快。如果你想在基地R.

library('Hmisc') 
df <- df[order(df$id),] 
df$bin <- unlist(lapply(unique(df$id), function(x) cut2(df$rt[df$id==x], g = 5))) 

一个更强大的解决方案这比第一个解决方案更强大，但它是没有那么快。对于小数据集，你不会注意到。