如何针对各年份查找对应NDVI百分位数的DOY值？

首先，先修正你的数据生成代码——cbind会生成矩阵，转成data.frame会让后续操作更顺畅：

year <- sample(2013:2017, 750, replace=TRUE)
DOY <- sample(1:365, 750, replace=TRUE)
NDVI <- runif(750, -1, 1)
df <- data.frame(year, DOY, NDVI)  # 转为数据框，避免矩阵类型问题

接下来，分两种场景解决你的问题：精确匹配分位数对应的NDVI值（概率较低，因为你的NDVI是连续随机数），和找最接近分位数的NDVI对应的DOY（更实用）。

方法1：Base R 实现（兼容所有R版本） #

第一步：计算每年的分位数并整理成数据框 #

先把你计算的分位数结果转成带年份的结构化数据框，方便后续匹配：

# 计算每年的分位数
quantile_result <- do.call("rbind", tapply(df$NDVI, df$year, quantile, c(0.10, 0.30, 0.50, 0.80)))
# 转成数据框并完善结构
quantile_df <- as.data.frame(quantile_result)
quantile_df$year <- as.integer(rownames(quantile_df))
rownames(quantile_df) <- NULL
colnames(quantile_df) <- c("10th", "30th", "50th", "80th", "year")

第二步：匹配分位数对应的DOY #

遍历每个年份和分位数，优先找精确匹配的DOY；如果没有，就找最接近该分位数的NDVI对应的DOY：

# 创建空结果框
result_df <- data.frame(
  year = integer(),
  quantile_level = character(),
  matching_DOY = integer(),
  stringsAsFactors = FALSE
)

# 循环处理每个年份
for (current_year in unique(df$year)) {
  # 提取当前年份的所有数据
  year_subset <- df[df$year == current_year, ]
  # 提取当前年份的分位数
  year_quantiles <- quantile_df[quantile_df$year == current_year, c("10th", "30th", "50th", "80th")]
  
  # 遍历每个分位数
  for (q_level in names(year_quantiles)) {
    q_value <- year_quantiles[[q_level]]
    # 找精确匹配的DOY
    exact_matches <- year_subset$DOY[year_subset$NDVI == q_value]
    
    if (length(exact_matches) > 0) {
      # 如果有多个匹配，这里取第一个，你也可以用`exact_matches`返回全部
      result_df <- rbind(result_df, data.frame(
        year = current_year,
        quantile_level = q_level,
        matching_DOY = exact_matches[1],
        stringsAsFactors = FALSE
      ))
    } else {
      # 没有精确匹配时，找最接近该分位数的NDVI对应的DOY
      closest_idx <- which.min(abs(year_subset$NDVI - q_value))
      result_df <- rbind(result_df, data.frame(
        year = current_year,
        quantile_level = q_level,
        matching_DOY = year_subset$DOY[closest_idx],
        stringsAsFactors = FALSE
      ))
    }
  }
}

# 查看结果
print(result_df)

方法2：dplyr 实现（更简洁高效） #

如果你熟悉tidyverse工具链，用dplyr分组处理会更直观：

library(dplyr)

df %>%
  group_by(year) %>%
  # 先计算每组（每年）的四个分位数
  mutate(
    q10 = quantile(NDVI, 0.10),
    q30 = quantile(NDVI, 0.30),
    q50 = quantile(NDVI, 0.50),
    q80 = quantile(NDVI, 0.80)
  ) %>%
  # 对每个分位数，找到最接近的DOY
  summarise(
    `10th_percentile_DOY` = DOY[which.min(abs(NDVI - q10))],
    `30th_percentile_DOY` = DOY[which.min(abs(NDVI - q30))],
    `50th_percentile_DOY` = DOY[which.min(abs(NDVI - q50))],
    `80th_percentile_DOY` = DOY[which.min(abs(NDVI - q80))]
  ) %>%
  ungroup()  # 取消分组

这个方法直接在分组内计算分位数并匹配DOY，代码更简洁，处理大数据集时效率也更高。

关键说明 #

• 因为你的NDVI是用runif生成的连续随机值，精确匹配分位数的概率极低，所以默认采用“找最接近值”的逻辑，这也是实际科研中常用的处理方式。
• 如果你的真实数据中存在多个DOY对应同一个分位数NDVI值，可以修改代码返回所有匹配的DOY（比如把exact_matches[1]改成paste(exact_matches, collapse = ", ")来合并成字符串，或者返回多行）。

内容的提问来源于stack exchange，提问作者EllieV