python - 频率值的 R 分位数

Question

我想获取频率值的分位数。 例如，假设我有如下数据:

length frequency
1      13    # There are 13 length 1 items.
2      20    # There are 20 length 2 items.
8      17
10     25
...
[10000+ more entries in file]

所以我想获取某些值的分位数，例如 0.05、0.10、0.50、0.90、0.95、0.99。另外，我想获得一定长度的排名。 我如何在 R 或 Python 上做到这一点？

Answer 1

使用dplyr，首先创建一个具有累积比例的列:

library(dplyr)
dta1<- dta %>% arrange(length) %>%
      mutate(quartile = cumsum(frequency / sum(frequency)))

现在我们可以简单地找到每个大于所需四分位数的第一个(在本例中为 0.5):

dta %>% filter(quartile > 0.5) %>%
        slice(1)

注意这个四分位数查找器特别愚蠢，由你来修复平局等。