基于子组计算十分位数并应用于全数据集的实现方法

步骤1：提取group1的十分位数分桶边界 #

先从group1的数据中计算出划分十分位数的临界值，用quantile()函数提取0%、10%、20%……100%的分位数，得到11个边界值（对应10个分桶）：

# 获取group1的value列，计算十分位数切点
group1_quantiles <- df %>%
  filter(subgroup == "group1") %>%
  pull(value) %>%
  quantile(probs = seq(0, 1, 0.1), na.rm = TRUE)

步骤2：将分桶规则应用到整个数据集 #

用cut()函数把全量数据的value按照上面得到的边界划分成10组，再转换为1-10的数字标签：

df <- df %>%
  mutate(
    decile = cut(
      value,
      breaks = group1_quantiles,
      labels = 1:10,
      include.lowest = TRUE  # 确保最小值被纳入第一个分桶
    ) %>% as.integer()  # 将因子类型转换为整数
  )

可选验证 #

可以对比group1直接用ntile()的结果和本方法的结果（当数据量不是10的整数倍时，两者分桶逻辑会有细微差异，但核心分类规则一致）：

check <- df %>%
  filter(subgroup == "group1") %>%
  mutate(decile_ntile = ntile(value, 10)) %>%
  select(decile, decile_ntile)

# 查看分桶结果的匹配情况
table(check$decile, check$decile_ntile)

补充说明 #

• quantile()的na.rm=TRUE用于处理缺失值，可根据你的数据实际情况调整。
• cut()的include.lowest=TRUE避免最小的value值因边界问题被分到分桶外产生NA。

内容的提问来源于stack exchange，提问作者upabove