R 中 ntile 和 cut 以及 then quantile() 函数之间的区别

我发现了关于这个主题的两个线程，用于计算 R 中的十分位数。但是，这两种方法，即dplyr::ntile and quantile()产生不同的输出。实际上，dplyr::ntile()无法输出正确的十分位数。

方法 1：使用 ntile() From 线程，我们可以使用ntile().

这是我的代码：

vector<-c(0.0242034679584454, 0.0240411606258083, 0.00519255930109344, 
  0.00948031338483081, 0.000549450549450549, 0.085972850678733, 
  0.00231687756193192, NA, 0.1131625967838, 0.00539244534707915, 
  0.0604885614579294, 0.0352030947775629, 0.00935626135385923, 
  0.401201201201201, 0.0208212839791787, NA, 0.0462887301644538, 
  0.0224952741020794, NA, NA, 0.000984952654008562)

ntile(vector,10)

输出是：

ntile(vector,10)
5  5  2  3  1  7  1 NA  8  2  7  6  3  8  4 NA  6  4 NA NA  1

如果我们对此进行分析，我们会发现没有第 10 分位数！

方法 2：使用 quantile()现在，让我们使用以下方法如何通过对数据框中的列进行排序来快速形成组（四分位数、十分位数等） https://stackoverflow.com/questions/4126326/how-to-quickly-form-groups-quartiles-deciles-etc-by-ordering-columns-in-a线。

这是我的代码：

as.numeric(cut(vector, breaks=quantile(vector, probs=seq(0,1, length  = 11), na.rm=TRUE),include.lowest=TRUE))

输出是：

 7  6  2  4  1  9  2 NA 10  3  9  7  4 10  5 NA  8  5 NA NA  1

正如我们所看到的，输出完全不同。我在这里缺少什么？我将不胜感激任何想法。

这是一个错误吗ntile()功能？

In dplyr::ntile NA始终是最后一个（最高排名），这就是为什么在这种情况下您看不到第 10 个十分位数。如果你不想考虑十分位数NAs，你可以定义一个像这样的函数here https://github.com/hadley/dplyr/issues/774我接下来使用它：

ntile_na <- function(x,n)
{
  notna <- !is.na(x)
  out <- rep(NA_real_,length(x))
  out[notna] <- ntile(x[notna],n)
  return(out)
}

ntile_na(vector, 10)
# [1]  6  6  2  4  1  9  2 NA  9  3  8  7  3 10  5 NA  8  5 NA NA  1

Also, quantile有 9 种计算分位数的方法，您使用的是默认值，即数字 7（您可以检查?stats::quantile对于不同的types, and here https://stackoverflow.com/a/1463249/7248543关于它们的讨论）。

如果你试试

as.numeric(cut(vector, 
               breaks = quantile(vector, 
                                 probs = seq(0, 1, length = 11), 
                                 na.rm = TRUE,
                                 type = 2),
               include.lowest = TRUE))
# [1]  6  6  2  4  1  9  2 NA  9  3  8  7  3 10  5 NA  8  5 NA NA  1

你得到的结果与使用的结果相同ntile.

总而言之：这不是一个错误，只是它们的实现方式不同而已。