我有一个名为fd的data.frame，具有406行48列。我想为fd中的每一行计算ntile（六分位数）。我通过以下方式执行此操作：
quant <- apply(fd,1,function(x) quantile(t(x),probs = c(1/6,2/6,0.5,4/6,5/6),na.rm = TRUE ))
我现在想做的是，将原始数据分成6个新的数据帧，即fd1至fd6，其中在fd1中，我具有前六分位数的所有观测值，在fd2中，我具有第二个六分位数的所有观测值，而以此类推。同样，我想逐行执行此操作。意思是，我希望我的算法/函数查看fd的每一行并执行以下操作：
对fd1的第一行中的第一六分位数的所有观测值进行存储，并将其存储到fd1的第一行中，然后对fd2的第二行的第一六分位数进行存储，并将其存储在fd1的第二行中。
要注意的是：我没有对每一行和每一列的观察，因此在某些情况下我缺少数据（NA）
有人可以提示我如何实现这一目标吗？ 提前致谢。
使用矩阵，列表和嵌套循环的老派解决方案。
# some artifical data with missings
set.seed(123)
fd <- data.frame(matrix(rnorm(406*48),nrow = 406,ncol = 48))
diag(fd) <- NA
# quant
quant <- apply(fd,1,function(x)
quantile(t(x),probs = (0:6)/6,na.rm = TRUE,type = 6)
)
#matrix with selection
res <- list()
for (i in 1:6) {
mm <- matrix(NA,nrow = nrow(fd),ncol = ncol(fd)/6)
for (j in 1:nrow(fd)) {
lwr <- (quant[(i),j] < fd[j,])
upr <- (fd[j,] <= quant[(i+1),j])
if (i == 1)
z_j <- fd[j,][ upr ]
else
z_j <- fd[j,][ lwr & upr ]
z_j <- z_j[!is.na(z_j)]
mm[j,1:length(z_j)] <- sort(z_j)
}
res[[i]] <- mm
}
rm(i,mm,j,lwr,upr)
fd1 <- res[[1]]
以下是使用purrr和dplyr软件包来实现此目标的相对较短的方法：
library(dplyr)
library(purrr)
# some random example
df <- data.frame(matrix(runif(48),405,48))
df[3,5] <- NA
df[10,25:26] <- NA
quant <- apply(df,function(x) aa <- quantile(t(x),probs = c(1/6,2/6,3/6,4/6,5/6),na.rm = TRUE ))
aa <- as.data.frame(t(df))
fd1 <- map2(quant[1,],aa,function(x,y) y[y <= x] %>% .[!is.na(.)]) %>%
do.call(rbind,.)%>% as.data.frame(.)
fd2 <- pmap(list(quant[1,quant[2,aa),y,z) z[z > x & z <= y] %>% .[!is.na(.)]) %>%
do.call(rbind,.) %>% as.data.frame(.)
fd3 <- pmap(list(quant[2,quant[3,.) %>% as.data.frame(.)
fd4 <- pmap(list(quant[3,quant[4,.) %>% as.data.frame(.)
fd5 <- pmap(list(quant[4,quant[5,.) %>% as.data.frame(.)
fd6 <- map2(quant[5,y) y[y > x & y <= max(y)] %>% .[!is.na(.)]) %>%
do.call(rbind,.) %>% as.data.frame(.)
注意：：最终的fd1 - fd6数据帧中有一些重复的值（顺便说一句，这不是存储此类问题的最佳格式）可以始终使用例如unique来过滤掉它们。
希望这会有所帮助。欢迎对答案进行任何修改。