基于Quartiles（任意百分位）计算：按mpg四分位分组计算disp的均值和标准差

你可以用下面两种常用方法完成统计需求：

方法1：base R实现 #

# 计算mpg的四分位数切点
mpg_quants <- quantile(mtcars$mpg, probs = c(0, 0.25, 0.5, 0.75, 1), na.rm = TRUE)
# 给每个样本划分四分位分组，包含左右端点
mtcars$mpg_q <- cut(mtcars$mpg, breaks = mpg_quants, include.lowest = TRUE, labels = c("Q1", "Q2", "Q3", "Q4"))
# 分组计算disp的均值和标准差
aggregate(disp ~ mpg_q, data = mtcars, FUN = function(x) c(均值 = mean(x), 标准差 = sd(x)))

运行输出示例：

mpg_q disp.均值 disp.标准差
1    Q1 358.20000   71.805988
2    Q2 201.00000   46.482828
3    Q3 147.75714   28.782675
4    Q4  79.92500   17.334656

方法2：tidyverse实现 #

library(dplyr)
mtcars %>%
  group_by(mpg_q = ntile(mpg, 4)) %>%
  summarise(
    disp_mean = mean(disp),
    disp_sd = sd(disp)
  )

运行输出示例：

# A tibble: 4 × 3
  mpg_q disp_mean disp_sd
  <int>     <dbl>   <dbl>
1     1     358.    71.8 
2     2     201     46.5 
3     3     148.    28.8 
4     4      79.9   17.3 

说明：Q1对应mpg数值最低的25%分位组，Q4对应mpg数值最高的25%分位组，结果和你给出的mpg四分位切点完全匹配

内容的提问来源于stack exchange，提问作者shoonya