我有数千个这样的数据集:
>student1
quantities score
[1] 4 10
[2] 1 12
[3] 78 5
[4] 6 294
我想计算该学生的分数中位数。对于每个分数，我们都有一些数量。在本例中，我希望它返回 5，因为中位数是 78 个 5 之一。
我在这里看过一些帖子，例如 how to calculate the median on grouped dataset? ，但我无法使用它，因为我有数千个数据集。
我还尝试安装aroma.light包和matrixstats包，但我仍然无法使用“weighted.median function”的东西。它告诉我
Error: could not find function "weightedMedians"
好的，上面只是一个例子，我的真实数据集是这样的:
>test
[,1] [,2]
info 3 10
info 2 20
4 86779637
1 135777
7 2342
但是当我尝试使用
>rep(test[, 1], test[, 2])
出现了
Error in rep(test[, 1], test[, 2]) : invalid 'times' argument
In addition: Warning message:
NAs introduced by coercion
我现在能做什么？
最佳答案
您可以使用:
median(rep(student1$score, student1$quantities))
这相对较快(对于 100k 行的模拟数据集只需要几秒钟)
关于r - 如何计算未排序数据集的中位数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24649813/