R语言Quantile()函数完全指南：用法、实例与详解

2 年 ago

韵, 科

1 minute

这是文章《R中的分位数()函数 – 简要指南》的第1部分（共5部分）。

内容片段: 你可以使用R中的分位数()函数生成样本分位数。

大家好，今天我们将学习如何使用分位数()函数来找到数值的分位数。

分位数：通俗地讲，分位数就是将一个样本分为大小相等的组。基于这种特性，分位数也被称为百分位点。在分位数中，第25个百分位称为下四分位数，第50个百分位称为中位数，第75个百分位称为上四分位数。

让我们在下面的部分中看看如何在R中使用分位数()函数的工作原理。

分位数()函数的语法

在R中，分位数()函数的语法如下：

quantile(x, probs = , na.rm = FALSE)

其中：

x = 输入向量或数值
probs = 0到1之间的概率值
na.rm = 是否移除NA值，默认为FALSE

在R中实现分位数()函数的简单方法

希望你对分位数函数的定义和解释都了解清楚。现在，我们来看看在R中如何使用分位数函数，并通过一个简单的例子来返回输入数据的分位数。

# 创建一个包含一些值的向量，分位数函数将返回数据的百分位数
df <- c(12, 3, 4, 56, 78, 18, 46, 78, 100)
quantile(df)

输出结果：

0%   25%   50%   75%   100%
3    12    46    78    100

在上述样本中，你可以观察到分位数函数首先将输入值按升序排列，然后返回所需百分位的值。

请注意：分位数函数将数据均分为四等份，其中中位数作为中间值，低于中位数的部分称为下四分位，高于中位数的部分称为上四分位。

处理缺失值 - "NaN"

NaN值的存在在数据分析中很常见。在当今这个数据驱动的时代，我们经常会遇到这些NaN值，它们通常被称为缺失值。如果数据中存在这些缺失值，最终可能会导致输出结果为NaN或产生错误。

为了处理这些缺失值，我们可以使用na.rm参数。该参数会从数据中移除NA值，并返回有效的计算结果。

让我们来看一下它是如何工作的。

# 创建一个包含数值和NaN的向量

df<-c(12,3,4,56,78,18,NA,46,78,100,NA)
quantile(df)

输出：

Error in quantile.default(df) :
missing values and NaN's not allowed if 'na.rm' is FALSE

如你所见，我们遇到了一个错误。如果你猜到这与NA值有关，那么你的判断是正确的。当数据中存在NA值时，大多数函数会返回NA值本身或显示上述错误信息。

现在，让我们使用na.rm参数来移除这些缺失值。

# 创建一个包含数值和NaN的向量

df<-c(12,3,4,56,78,18,NA,46,78,100,NA)

# 移除NA值并返回百分位数
quantile(df,na.rm = TRUE)

输出：

0%  25%  50%  75%  100%
3   12    46   78   100

在上面的示例中，你可以看到na.rm参数及其对输出结果的影响。该参数会移除NA值，以避免产生错误的输出结果。

quantile函数中的"probs"参数

正如您在这篇文章的第一部分所看到的，语法中的probs参数可能会让您好奇它的含义和工作原理。实际上，probs参数被传递给quantile函数，以获取特定的或自定义的百分位数。

看起来复杂吗？别担心，我会用简单的术语来解释。

每当您使用分位数函数时，它会返回标准的百分位数，如第25、第50和第75百分位数。但如果您需要第47百分位数或第88百分位数该怎么办呢？

这里有一个叫做"概率值"（probs）的参数，您可以通过它指定所需的百分位数来获取相应的值。

在查看示例之前，您应该了解一些关于probs参数的重要信息：

概率范围：概率参数的值应介于0和1之间。

以下示例可以说明上述要点：

# 创建数值向量
df<-c(12,3,4,56,78,18,NA,46,78,100,NA)

# 返回第22和第77百分位数
quantile(df,na.rm = T,probs = c(22,77))

结果：

Error in quantile.default(df, na.rm = T, probs = c(22, 77)) : 
  'probs' outside [0,1]

哦，这是一个错误！

您明白发生了什么吗？

问题在于，尽管我们在概率参数中指定了数值，但这些值违反了0-1的范围限制。概率参数必须包含介于0和1之间的值。

因此，我们需要将22和77转换为0.22和0.77。现在输入值介于0和1之间了，对吗？希望这样解释清楚了。

# 创建数值向量
df<-c(12,3,4,56,78,18,NA,46,78,100,NA)

# 返回输入值的第22和第77百分位数
quantile(df,na.rm = T,probs = c(0.22,0.77))

输出：

 22%       77% 
10.08     78.00

'未命名'函数及其使用

使用unname函数获取纯百分位数值

假设您希望代码只返回百分位数而不包含切割点。在这种情况下，您可以使用'unname'函数。

'unname'函数将删除标题或切分点（0%，25%，50%，75%，100%），并仅返回百分位数。

让我们看看它的运作方式吧！

#创建一个值向量
df<-c(12,3,4,56,78,18,NA,46,78,100,NA)
quantile(df,na.rm = T,probs = c(0.22,0.77))

#避免切分点并仅返回百分位数
unname(quantile(df,na.rm = T,probs = c(0.22,0.77)))

结果:

10.08      78.00

现在，您可以观察到由unname函数禁用或移除的切点，并仅返回百分位数。

使用'round'函数进行数值四舍五入

我们在过去的文章中详细讨论了R中的round函数。现在，我们将使用round函数来四舍五入这些数值。

我们来看看它是如何工作的！

#创建一个值向量
df<-c(12,3,4,56,78,18,NA,46,78,100,NA)
quantile(df,na.rm = T,probs = c(0.22,0.77))

#返回四舍五入后的值
unname(round(quantile(df,na.rm = T,probs = c(0.22,0.77))))

输出:

10   78

正如您所看到的，我们的输出值都被舍入到了零位小数。

在数据集中为多个组/列获取分位数

到目前为止，我们已经讨论了分位函数，它的用途和应用，以及它的参数和如何正确使用它们。

在本节中，我们将获取数据集中多个列的分位数。听起来有趣吗？跟着我来！

我将使用“mtcars”数据集来完成这项任务，并使用“dplyr”库进行操作。

#reads the data
data("mtcars")
#returns the top few rows of the data
head(mtcars)

#install required paclages
install.packages('dplyr')
library(dplyr)

#using tapply, we can apply the function to multiple groups
do.call("rbind",tapply(mtcars$mpg, mtcars$gear, quantile))

输出：按照以下方式用汉语进行翻译（只需要一种选择）：

     0%     25%    50%     75%    100%
3   10.4   14.5   15.5   18.400   21.5
4   17.8   21.0   22.8   28.075   33.9
5   15.0   15.8   19.7   26.000   30.4

在上述过程中，我们需要安装'dplyr'包，然后我们将使用tapply和rbind函数来获取mtcars数据集的多个列。

在上面的部分，我们选择了mtcars数据集中的多个列，例如'mpg'和'gear'列。像这样，我们可以计算数据集中多个组的分位数。

我们可以将百分位数进行可视化吗？我的答案是绝对肯定的！这个问题的最佳方案将是一个箱线图。让我拿鸢尾花数据集来尝试可视化箱线图，并展示百分位数。

我们出发吧！

data(iris)
head(iris)

这是包含前6个值的鸢尾花数据集。

让我们通过名为“概要”的函数来探索数据。

summary(iris)

在上面的图像中，你可以看到均值、中位数、第一四分位数（25th百分位数）、第三四分位数（75th百分位数）以及最小值和最大值。让我们通过一个箱线图来绘制这些信息。

咱们一起做吧！ zuò ba!)

#plots a boxplot with labels

boxplot(iris$Sepal.Length,main='The boxplot showing the percentiles',col='Orange',ylab='Values',xlab='Sepal Length',border = 'brown',horizontal = T)