data.table：計算百分所有數值變量

我的數據是這樣data.table：計算百分所有數值變量

set.seed(1) 
dt <- data.table(id = c("A", "A", "B", "B","C", "C"), 
      var1 = c(1:6), 
      var2 = rnorm(6)) 

> dt 
    id var1  var2 
1: A 1 -0.6264538 
2: A 2 0.1836433 
3: B 3 -0.8356286 
4: B 4 1.5952808 
5: C 5 0.3295078 
6: C 6 -0.8204684

但與幾十個數字變量的。我想使用data.table來計算每個觀測值和每個數值變量的百分位數，同時保持密鑰標識符（id）完好無損。在dplyr我能做到這一點是這樣的：

mutate_if(dt, is.numeric, function(x) { ecdf(x)(x) }) 

    id  var1  var2 
1 A 0.1666667 0.5000000 
2 A 0.3333333 0.6666667 
3 B 0.5000000 0.1666667 
4 B 0.6666667 1.0000000 
5 C 0.8333333 0.8333333 
6 C 1.0000000 0.3333333

我也將是高興的結果，包括原var1和var2。

什麼是最好的方法來解決這個問題？

感謝您的幫助！

來源

2017-08-15 Kasia Kulma

沒有時間解釋，但是這應該給你想要的東西沒有ID列：'DT [，lapply（.SD，函數（X）ECDF（X）（X）），.SDcols = sapply（dt，is.numeric）]'。然後你可以在後面加上id列。 – jav

嘗試mutate_at（dat，vars（starts_with（「var」）），function（x）{ecdf（x）（x）}）或mutate_if（dat，is.numeric，function（x）{ecdf（x ）（x）}）' –

@jav，有沒有一種方法在結果中保留'id'？由於某種原因，簡單的綁定給我的結果與原始數據相比是不準確的 –

你可以計算ecdf所有數字列在這樣一個單獨的數據表：

dt2 = as.data.table(lapply(dt,function(x){if(is.numeric(x)){ecdf(x)(x)}}))

結果：

> dt2 
     var1  var2 
1: 0.1666667 0.8333333 
2: 0.3333333 0.3333333 
3: 0.5000000 0.6666667 
4: 0.6666667 1.0000000 
5: 0.8333333 0.1666667 
6: 1.0000000 0.5000000

如果你想cbind這個結果原來的DT，你可以使用paste0更改列名稱：

colnames(dt2) = paste0("centile_",colnames(dt2))

結果：

> dt2 
    centile_var1 centile_var2 
1: 0.1666667 0.8333333 
2: 0.3333333 0.3333333 
3: 0.5000000 0.6666667 
4: 0.6666667 1.0000000 
5: 0.8333333 0.1666667 
6: 1.0000000 0.5000000

來源

2017-08-15 16:03:24

謝謝！它幾乎正是我所需要的：你的結果不包含'id'，如果我簡單地嘗試'cbind'，它會得到與原始數據不同的結果。有沒有辦法將結果保留下來？ –

只需在末尾添加'else'語句：'as.data.table（lapply（dt，function（x）{if（is.numeric（x））{ecdf（x）（x）} else x}））'。 – lmo

@lmo，謝謝你的幫助！ –

data.table：計算百分所有數值變量

回答

相關問題