3

tengo una base de datos gigante, y necisto calcular el decil y percentil de unas columnas, todos los valores son numéricos , pero cuando corro este codigo me aparece un error

ptje2021<- ptje2021 %>%
  mutate(Percentile_Math=quantile(Math_Score1, probs = seq(0, 1, 1/100), na.rm = TRUE, ))%>%
           mutate(Decile_Math=quantile(Math_Score1, na.rm = TRUE, probs = seq(0, 1, 1/10))
Error: Problem with `mutate()` column `Percentile_Math`.
ℹ `Percentile_Math = quantile(...)`.
ℹ `Percentile_Math` must be size 308535 or 1, not 101.
Backtrace:
 1. `%>%`(...)
 7. dplyr:::abort_glue(character(0), list(x_size = 101L), "dplyr:::mutate_incompatible_size")
 8. rlang::exec(abort, class = class, !!!data)

según diversas paginas esa era la forma correcta de sacar deciles y percentiles en r, pero no se porqué me esta arrojado ese error, apreciaría si me pueden ayudar.

lo que necesito es que esta nueva columna de percentiles se añada a mi dataframe original y no se cree una nueva tabla, intenté con summarise en vez de mutate, pero me genera una nueva tabla con los percentiles de 101 columnas y necesito que esto encaje con mi dataframe original que tiene 300000 datos.

8
  • Reemplaza el mutate por summarise, ¿eso es lo que buscas? el 4 ene. 2022 a las 16:32
  • lo intenté pero me crea una nueva tabla y lo que necesito es que esta nueva columna se añada a mi dataframe original coincidiendo con los. numero de fila, ya que la data original tiene aprox 300000 filas y la resultante de percentil tiene 101 el 4 ene. 2022 a las 16:47
  • No entiendo muy bien, el calculo de los percentiles lo haces sobre todos los valores de una columna, por ejemplo Math_Score1, esto te devolvería 101 valores ¿dónde quieres poner estos 101 valores? el 4 ene. 2022 a las 17:10
  • claro, el claculo de los percentiles es sobre toda la columna de math_sore1 que pertenece a un dataframe, en total son aproximadamente 300000 filas, y al calcular los percentiles, me entrega 101 datos, lo que necesito es que se cree una nueva columa con estos 101 datos en el dataframe original, pero la diferencia de datos es un problema por que no coincide el numero el 4 ene. 2022 a las 18:11
  • 1
    Ahhh, queres saber a que percentil de la muetrsa completa corresponde cada valor, ahora sí. el 4 ene. 2022 a las 18:43

1 respuesta 1

1

Para saber a que percentil corresponde cada valor, puedes usar la función cut(), por ejemplo:

library(tidyverse)
mtcars %>% 
  mutate(percentile = cut(disp,
                          unique(
                            quantile(disp,
                                     probs = seq(0, 1, 1/100), 
                                     na.rm = TRUE)),
                          include.lowest = TRUE)
         ) %>% 
  select(percentile) %>% 
  head() # A modo de ejemplo solo muestro los primeros casos

                     percentile
Mazda RX4           (157.1,160]
Mazda RX4 Wag       (157.1,160]
Datsun 710        (107.5,111.3]
Hornet 4 Drive    (249.4,258.9]
Hornet Sportabout   (357.6,360]
Valiant             (214.1,229]

Esto te retorna el "rango" dónde se ubica cada valor en los percentiles, no es más que un factor que podrías convertir a numérico para saber que percentil es:

mtcars %>% 
  mutate(percentile = cut(disp,
                          unique(
                            quantile(disp,
                                     probs = seq(0, 1, 1/100), 
                                     na.rm = TRUE)),
                          include.lowest = TRUE),
         percentile = as.numeric(percentile)
         ) %>% 
  select(percentile) %>% 
  head() # A modo de ejemplo solo muestro los primeros casos

                  percentile
Mazda RX4                 39
Mazda RX4 Wag             39
Datsun 710                17
Hornet 4 Drive            51
Hornet Sportabout         75
Valiant                   48

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.