R语言：如何计算分组收入数据的加权百分位数

下面是几种替代手动cumsum写法的方法，都是R中专门用于加权百分位数/累积分布计算的工具：

• 用dplyr简化现有逻辑
  如果你不想额外加载包，用dplyr的管道语法可以让代码更简洁易读，避免直接引用列名：

  library(dplyr)
  
  test %>%
    mutate(percentile = cumsum(pop) / sum(pop) * 100)
  

  运行后会直接在原数据框中添加percentile列，对应每个max_income_from的加权百分位数。

• 用weights包的wtd.ecdf函数
  weights包的wtd.ecdf专门用于生成加权经验累积分布函数，能直接计算每个收入上限对应的累积百分比：

  library(weights)
  
  # 创建加权ECDF函数
  weighted_ecdf <- wtd.ecdf(test$max_income_from, weights = test$pop)
  # 计算百分位数并添加到原数据
  test$percentile <- weighted_ecdf(test$max_income_from) * 100
  

• 用Hmisc包的wtd.table函数
  Hmisc包的wtd.table支持计算加权累积频率，搭配dplyr可以轻松匹配到原数据：

  library(Hmisc)
  library(dplyr)
  
  # 计算加权累积频率表
  cumulative_table <- wtd.table(test$max_income_from, weights = test$pop, cumulative = TRUE)
  # 转换为数据框并合并到原数据集
  test <- left_join(test, as.data.frame(cumulative_table), by = c("max_income_from" = "Var1")) %>%
    mutate(percentile = Freq / sum(pop) * 100)
  

其实你手动用cumsum的逻辑是完全正确的，用dplyr简化后已经足够简洁；如果需要处理更复杂的加权场景（比如非整数权重、分组加权等），上面的专门函数会更适用。

内容的提问来源于stack exchange，提问作者Maxence