如何计算R中的percentile [0,1)，使其值低于percentile

Question

我有代理商及其相应的售出产品数量的数据框架。

Gent_Code   number_policies
A096        3
A0828       12
A0843       2
A0141       2
B079        7
B05         3
M012        5
P010        2
S039        3

我想计算每个值( xi )所在的百分位数，以便数据中p%的值低于xi。百分位数的最小值将是0，而最大值将非常接近1，而不是1。

我做了以下工作：

ag_df <- mutate(ag_df, pon_percentiles = ecdf(ag_df$pon)(ag_df$pon))

summary(ag_df$pon_percentiles )
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.4805  0.4805  0.6417  0.6356  0.7738  1.0000 

但是，我希望百分位数公式的计算低于某个值，而不是低于或等于该值。

因此，向量中最小值的百分位数的值应该是0，而最大值的百分位数应该接近于1，而不是恰好是1。

Current output:
0.6666667 1.0000000 0.3333333 0.3333333 0.8888889 0.6666667 0.7777778 0.3333333 0.6666667

如果我们看到上面的输出，number_policies (2)的min的值是0.3333，但我希望它是0。对于max为12，它不应该是1，而应该是0.99。

我如何在R中做到这一点？我在基本函数中搜索了相关参数，如ecdf、cume_distr等，但没有找到任何相关参数。有人能帮我一下吗？

Answer 1

使用percent_rank()函数的一种解决方案是：

pkgs <- c("tidyverse", "stringi")
invisible(lapply(pkgs, require, character.only = TRUE))


set.seed(2)
n <- 30
db <- tibble(gent_code = paste0(stri_rand_strings(n, 1, '[A-Z]'),
                                stri_rand_strings(n, 4, '[0-9]')),
                 nr_pol = sample(1L:100L, n, TRUE))

db %>%
  mutate(percentile = percent_rank(nr_pol)) %>%
  print(n = n)

它给出了输出：

   gent_code nr_pol percentile
   <chr>      <int>      <dbl>
 1 E0188         35     0.241 
 2 S5682         91     0.862 
 3 O6192         96     0.931 
 4 E1197         97     1.000 
 5 Y9358         39     0.345 
 6 Y0069         63     0.552 
 7 D2879         14     0.138 
 8 V6778         25     0.172 
 9 M6284         75     0.759 
10 O3420         69     0.690 
11 O2301         35     0.241 
12 G1728          3     0.0345
13 T4536         38     0.310 
14 E0418          1     0     
15 K9373         44     0.414 
16 W9335         66     0.621 
17 Z4140         58     0.448 
18 F1424         62     0.517 
19 L9825         96     0.931 
20 B8411         59     0.483 
21 R0735         41     0.379 
22 K8881         81     0.793 
23 V9502         87     0.828 
24 D9827          5     0.0690
25 J5363          8     0.103 
26 M2909         68     0.655 
27 D3658         94     0.897 
28 J1312         34     0.207 
29 Z6347         63     0.552 
30 D6342         72     0.724 

正如您所看到的，它从0开始，但最高百分位数将等于1，因为它反映了数据中最高数量的策略。

编辑:在这种情况下，强制12等于第99个百分位数，这意味着数据中的数据点高于12。它将等于1，因为您所有的数据点都小于或等于这个值。

Answer 2

您可以简单地通过分位数函数来完成此操作：

quantile(df, probs = c(0, 0.24, 0.49, 0.74, 0.99))

希望这能有所帮助！

Answer 3

我想这就是你想要的，但我不确定，你只需要按照你想要的方式设置labels和probs即可。

iris2 <- iris
iris2$quartile_number <- cut(iris$Sepal.Length, 
    quantile(iris$Sepal.Length) , 
    include.lowest=T,
    labels=c(.25, .5, .75, 1))

head(iris2)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species quartile_number
1          5.1         3.5          1.4         0.2  setosa            0.25
2          4.9         3.0          1.4         0.2  setosa            0.25
3          4.7         3.2          1.3         0.2  setosa            0.25
4          4.6         3.1          1.5         0.2  setosa            0.25
5          5.0         3.6          1.4         0.2  setosa            0.25
6          5.4         3.9          1.7         0.4  setosa             0.5