R中“Quantile`”函数的行为

Question

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，但发生了一些我没想到会发生的事情。我可能犯了一个错误，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 ) ) ]

我们得到了三种不同的结果，但是如何解释这些结果呢？这些是使用的限制吗？

更新:我想我问错了问题。我们如何解释以下几点：

> 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

Answer 1

您对>和R的回收行为感到困惑。当quantile返回一个以上的值时(就像在最后两个示例中一样)，它会回收那些长度与x相同的向量，以便通过>进行矢量化比较。

因此，在最后两个示例中，它一次又一次地重复quantile中的2或3个值，直到得到的向量与x的长度相同，并将它们与>进行逐个元素的比较。

编辑

也许我的解释不够清楚。在编辑的最后一行，x > quantile( 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，将x的第二个元素与0.2分位数进行比较，将x的第三个元素与0.1分位数进行比较，将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？:)