如何解决计算人口年龄四分位数范围并将结果存储为 R 中的数据框的最佳方法 数据
我有一个数据框,其中包含多年来每年的人口数据。我想获得每年的中位数、Q1 和 Q3 年龄并将结果存储为新的数据框。解决这个问题的最佳方法是什么?这是我的数据示例。每一年一列包含相应年龄的人数:
Age | 2000 | 2001 | 2002
------------------------
2 | 4 | 1 | 2
3 | 6 | 3 | 5
4 | 10 | 9 | 8
5 | 8 | 9 | 8
6 | 7 | 7 | 8
编辑:只是为了添加更多细节。为了获得中位数和四分位数范围,我很可能需要获得每年的累积频率。我可以创建一个包含所有 CF 的数据框并加入年龄列,并基于该数据框创建一个具有中值和 q 范围年龄的新数据框,但我相信有一种更有效的方法。
解决方法
tidyr
包中有一个非常有用的函数 uncount
,我们可以使用它。首先,我们使用 pivot_longer
将年份列移动为行。然后,我们使用 uncount
以便每个年龄出现的次数与其出现的次数相同。然后,group_by
年并使用 summarise
计算汇总统计数据。
library(tidyverse)
dat %>%
pivot_longer(-Age,names_to = "year",names_prefix = "X",values_to = "cnt") %>%
uncount(cnt) %>%
group_by(year) %>%
summarise(q25 = quantile(Age,.25),q50 = median(Age),q75 = quantile(Age,.75))
# year q25 q50 q75
# <chr> <dbl> <int> <dbl>
# 1 2000 3 4 5
# 2 2001 4 5 5
# 3 2002 4 5 5.5
这是一个基本的 R 解决方案,它使用与 rep
函数类似的想法:
apply(dat[,-1],2,FUN = function(x){
rep_age <- rep(dat$Age,x)
c(quantile(rep_age,quantile(rep_age,.5),.75))
})
# X2000 X2001 X2002
# 25% 3 4 4.0
# 50% 4 5 5.0
# 75% 5 5 5.5
数据
dat <- structure(list(Age = 2:6,X2000 = c(4L,6L,10L,8L,7L),X2001 = c(1L,3L,9L,X2002 = c(2L,5L,8L)),class = "data.frame",row.names = c(NA,-5L))
,
好的,根据您的描述,我更新了代码。首先我将年龄分布逐年递增,然后计算所需的统计数据:
library(dplyr)
library(tidyr)
df <- tribble(
~ Age,~`2000`,~`2001`,~`2002`,4,1,3,6,5,10,9,8,7,8
)
df %>%
rowwise() %>%
mutate(across(`2000`:`2002`,~ list(rep(Age,.x)))) %>%
pivot_longer(- Age,names_to = "years",values_to = "values") %>%
unnest(values) %>%
select(-Age) %>%
group_by(years) %>%
summarise(medians = median(values),quantiles = list(quantile(values,probs = c(0.25,0.75)))) %>%
unnest_wider(quantiles)
# A tibble: 3 x 4
years medians `25%` `75%`
<chr> <dbl> <dbl> <dbl>
1 2000 4 3 5
2 2001 5 4 5
3 2002 5 4 5.5
如果您需要进一步的解释,请告诉我。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。