Как найти процентили, а затем группу в R

Question

У меня есть фрейм данных, как показано ниже (df).

day area hour time count 
___ ____ _____ ___ ____ 
1 1  0  1  10 
1 1  0  2  12 
1 1  0  3  8 
1 1  0  4  12  
1 1  0  5  15 
1 1  0  6  18 
1 1  1  1  10 
1 1  1  2  12 
1 1  1  3  8 
1 1  1  4  12  
1 1  1  5  15 
1 1  1  6  18 
1 1  1  7  12  
1 1  1  8  15 
1 1  1  9  18 
1 1  2  1  10  
1 1  2  2  18 
1 1  2  3  19 
..... 
2 1  0  1  18 
2 1  0  2  12 
2 1  0  3  18 
2 1  0  4  12  
2 1  1  1  8 
2 1  1  2  12 
2 1  1  3  18 
2 1  1  4  10  
2 1  1  5  15 
2 1  1  6  18 
2 1  1  7  12  
2 1  1  8  15 
2 1  1  9  18 
2 1  2  1  10  
2 1  2  2  18 
2 1  2  3  19 
2 1  2  4  9  
2 1  2  5  18 
2 1  2  6  9 


..... 
30 99  23  1  9  
30 99  23  2  8 
30 99  23  3  9 
30 99  23  4  19  
30 99  23  5  18 
30 99  23  6  9 
30 99  23  7  19  
30 99  23  8  8 
30 99  23  9  19 

Здесь у меня есть данные за 30 дней в течение 87 областей (от 1 до 82, а затем у меня 90,93,95,97,99) и 24 часов (от 0 до 23) на day.So Данные, речь идет о времени, затраченном на пересечение территории и сколько ее пересекли.

Например:

day area hour time count 
___ ____ _____ ___ ____ 
1 1  0  1  10 
1 1  0  2  12 
1 1  0  3  8 
1 1  0  4  12  
1 1  0  5  15 
1 1  0  6  18 

Это дает мне в 1-й день на час 0 время, необходимое, чтобы пересечь этот район 1

time count cumulative_count 
___ ___ ________________ 
1  10   10 
2  12   22 
3  8   30 
4  12   42  
5  15   57 
6  18   75 
10 vehicles crossed the area in 1 minute. 
12 vehicles crossed the area in 2 minutes. 
8 vehicles crossed the area in 3 minutes. 
12 vehicles crossed the area in 4 minutes. 
15 vehicles crossed the area in 5 minutes. 
18 vehicles crossed the area in 6 minutes. 

От этого я хочу, чтобы подсчитать, сколько времени потребовалось для 80% транспортных средств, пересекающих площадь 1 в день 1 час 0. Совокупные транспортные средства = (10 + 12 + 8 + 12 + 15 + 18) = 75. Так 80% 75 составляет 60. Так что время, затраченное на 80% транспортных средств (80% из 75, что составляет 60), чтобы пройти площадь 1 в день 1 час 0 будет составлять от 5 до 6 (будет ближе к 5). Таким образом, результат будет как:

day area hour time_taken_for_80%vehicles_to_pass 
    ___ ____ ____ ___________________________________ 
    1 1  0    5.33(approximately) 
    1 1  1    7.30 
    1 1  2    2.16 
    .... 
    30 1  23    3.13 
    1 2  0    --- 
    1 2  1    --- 
    1 2  2    --- 
    1 2  3    --- 

....... 

    30 99  21    --- 
    30 99  22    --- 
    30 99  23    --- 

    I know to I have to take quantile and then group by the area and day and hour.So I tried with 

library(dplyr) 
grp <- group_by(df, day,area,hour,quantile(df$count,0.8)) 

Но это не work.Any помощь ценится

Answer 1

Мое решение вычисляет процент транспортных средств, которые пересекли площадь, для каждого time. Затем получает первый time процента превышает 80%:

str <- 'day area hour time count 
1 1  0  1  10 
1 1  0  2  12 
1 1  0  3  8 
1 1  0  4  12  
1 1  0  5  15 
1 1  0  6  18 
1 1  1  1  10 
1 1  1  2  12 
1 1  1  3  8 
1 1  1  4  12  
1 1  1  5  15 
1 1  1  6  18 
1 1  1  7  12  
1 1  1  8  15 
1 1  1  9  18 
1 1  2  1  10  
1 1  2  2  18 
1 1  2  3  19' 



file <- textConnection(str) 
df <- read.table(file, header = T) 

df 

library(dplyr) 
df %>% group_by(day, area, hour) %>% 
    mutate(cumcount = cumsum(count), 
     p = cumcount/max(cumcount)) %>% 
    filter(p > 0.8) %>% 
    summarise(time = min(time)) 

Результат:

day area hour time 
    <int> <int> <int> <int> 
1  1  1  0  6 
2  1  1  1  8 
3  1  1  2  3 

Или с линейной оценкой времени, когда 80% достигаются:

df %>% group_by(day, area, hour) %>% 
    mutate(cumcount = cumsum(count), 
     p = cumcount/max(cumcount), 
     g = +(p > 0.8), 
     order = (g*2-1)*time) %>% 
    group_by(day, area, hour,g) %>% 
    filter(row_number((g*2-1)*time)==1) %>% 
    group_by(day, area, hour) %>% 
    summarise(time = min(time)+(0.8-min(p))/(max(p)-min(p))) 

результата :

day area hour  time 
    <int> <int> <int> <dbl> 
1  1  1  0 5.166667 
2  1  1  1 7.600000 
3  1  1  2 2.505263 

или получить тот же результат, используя lag и lead

df %>% group_by(day, area, hour) %>% 
    arrange(hour) %>% 
    mutate(cumcount = cumsum(count), 
     p = cumcount/max(cumcount)) %>% 
    filter((p >= 0.8&lag(p)<0.8)|(p < 0.8&lead(p)>=0.8)) %>% 
    summarise(time = min(time)+(0.8-min(p))/(max(p)-min(p)))