如何用dplyr计算多分类下上下10%分位对应数值的均值

1. dplyr 实现 #

通过group_by()按分类分组后直接汇总计算即可，逻辑直观易读：

library(dplyr)

df %>%
  group_by(cat) %>%
  summarise(
    # 前10%（≥90分位）均值
    top10_mean = mean(x[x >= quantile(x, 0.9)]),
    # 后10%（≤10分位）均值
    bottom10_mean = mean(x[x <= quantile(x, 0.1)])
  )

运行输出结果：

# A tibble: 2 × 3
  cat   top10_mean bottom10_mean
  <chr>      <dbl>         <dbl>
1 a          0.954        0.0796
2 b          1.96         1.09 

和你提供的base R计算结果完全一致。

2. purrr 实现 #

先按分类拆分数据集为列表，遍历每个子数据集计算后合并结果：

library(purrr)
library(tibble)

df %>%
  split(.$cat) %>%
  map_dfr(~ tibble(
    cat = unique(.x$cat),
    top10_mean = mean(.x$x[.x$x >= quantile(.x$x, 0.9)]),
    bottom10_mean = mean(.x$x[.x$x <= quantile(.x$x, 0.1)])
  ))

输出结果和dplyr实现完全相同。

内容的提问来源于stack exchange，提问作者Maikol Solís