Подмножество кадра данных на основе квантилей

Если у меня есть этот фрейм данных:

df <- data.frame(time = seq(as.Date('2000-01-01'), length.out = 200, by = 'days'),
             a = rnorm(200,8.4, 22), b=rnorm(200,8.4, 22), d= rnorm(200,8.4, 22), 
e=rnorm(200,8.4, 22))

Каким будет самый простой способ подмножить это df, чтобы значения из каждого столбца были выше 10% процентиля, но ниже 90%?

Я мог бы сделать это с помощью цикла, т.е.:

for (i in names(df[,2:5])){
  print(i)
  column <- df[,c('time', i)]
  q <- unname(quantile(column[,2], probs = c(0.1, 0.9))) # just for one column
  column <- column[column[,2] > q[1] &column[,2] < q[2],]
  df <- merge(df, column, by = 'time', all.x = T)
}

Но есть более простые и элегантные способы сделать это с помощью таких функций или пакетов, как dplyr. Спасибо!

Привет, я знаю. В этом случае можно вставить NA

Andrei Niță 31.05.2019 09:14
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
1
906
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Используйте sapply над столбцами и отфильтруйте значения, которые находятся в диапазоне.

sapply(df[-1], function(x) x[x > quantile(x, 0.1) & x < quantile(x, 0.9)])

Вернуть столбец time может быть непросто, поскольку мы отфильтровали значения, которые каждая строка потенциально может представлять разные time.

Лучшим вариантом, предложенным @Sotos, является преобразование этих значений в NA вместо фильтрации.

cbind(df[1], sapply(df[-1], function(i) 
            replace(i, i < quantile(i, 0.1) | i > quantile(i, 0.9), NA)))

или просто конвертировать в NA, sapply(df[-1], function(i) replace(i, i < quantile(i, 0.1) | i > quantile(i, 0.9), NA))

Sotos 31.05.2019 09:17

Привет, спасибо за совет. К сожалению, мне нужен столбец времени, так как мне нужно выполнить некоторые агрегации после этой фильтрации.

Andrei Niță 31.05.2019 09:18

Вот dplyr подход:

library(dplyr)

df %>% 
  mutate_at(vars(a:e), function(x) if_else(between(percent_rank(x), .1, .9), x, NA_real_))

Другие вопросы по теме