对于给定的矩阵，我需要通过分组变量跟踪每列的分位数值。具体来说，我想按“同类群组结构”对输出进行分组。然后，对于第1列至第5列，我想针对每个分组变量计算第25个，均值和第75个百分位数。这意味着我的输出矩阵将为9 x 5，即每个同类群组结构= 1排3行，同类群组结构= 2排3行，同类群组结构= 3排3行，分别对应于第25个平均值和第75个百分位数。
例如：
test.mat <- data.frame(matrix(nrow = 11, ncol =6))
colnames(test.mat)[[6]] = "Cohort Structure"
test.mat[,6]= c(1,1,1,1,1,1,2,2,3,3,3)
test.mat[1:11,4:5] <- rnorm(11*2,0,1)
test.mat[11, 5] <- NA
test.mat[1:3,1:3] <- rnorm(9,0,1)
X1 X2 X3 X4 X5 Cohort Structure
1 0.09529937 1.0140776 -0.45203406 -0.6585827 0.57117571 1
2 0.94442513 0.5777710 0.08588911 -0.3674672 0.01383938 1
3 1.47881362 0.4370171 -0.37843416 -1.2634002 0.58010696 1
4 NA NA NA 0.2844687 0.83113773 1
5 NA NA NA 0.8661393 0.35947394 1
6 NA NA NA -1.3685556 -0.71297431 1
7 NA NA NA -1.0117586 0.27020197 2
8 NA NA NA -0.7746377 0.97250990 2
9 NA NA NA -1.4406549 0.05538031 3
10 NA NA NA -0.2303378 -0.61625365 3
11 NA NA NA -0.1837904 NA 3
所需的输出（输出矩阵）：
对于列1：3和行3：9，输出矩阵将为NA。第1列第1行，第3行将报告同类群组= 1的第25个平均值，第75个百分点值。对于第2列和第3列，将重复此过程。
在第4列和第5列，重复计算每个同类群组结构的第25，均值和第75分位数的过程。计算不包括NA的值。
quantile(test.mat[1:3,1], c(0.25,0.5,0.75))
quantile(test.mat[1:3,2], c(0.25,0.5,0.75))
quantile(test.mat[1:3,3], c(0.25,0.5,0.75))
将是输出矩阵[1：3,1：3]的期望输出
quantile(test.mat[1:6,4], c(0.25,0.5,0.75))
将输出矩阵[1：3,4]的期望输出转换为目标
对于我的实际数据集，我需要将该过程应用于具有100列的矩阵
使用data.table，我相信这会产生正确的输出。可能有一种更简洁的编写方法。
library(data.table)
test.mat <- data.table(test.mat)
quantiles <- test.mat[, .(quantile(X1, c(0.25, 0.5, 0.75), na.rm = TRUE),
quantile(X2, c(0.25, 0.5, 0.75), na.rm = TRUE),
quantile(X3, c(0.25, 0.5, 0.75), na.rm = TRUE),
quantile(X4, c(0.25, 0.5, 0.75), na.rm = TRUE),
quantile(X5, c(0.25, 0.5, 0.75), na.rm = TRUE)),
by = 'Cohort Structure']
并添加一些标签，以便我们知道要查看的行：
quantiles[, quantile := c(0.25, 0.5, 0.75)]
输出：
> quantiles
Cohort Structure V1 V2 V3 V4 V5 quantile
1: 1 -1.220385 -0.3937794 0.05349869 0.3436015 -0.76662468 0.25
2: 1 -1.127379 0.3001190 0.88924650 0.9198491 0.09188820 0.50
3: 1 -1.013713 0.4744223 1.04911208 1.3364680 0.90340622 0.75
4: 2 NA NA NA 0.2912628 -0.20866542 0.25
5: 2 NA NA NA 0.2968669 -0.07529148 0.50
6: 2 NA NA NA 0.3024710 0.05808246 0.75
7: 3 NA NA NA -1.0510155 -0.64431366 0.25
8: 3 NA NA NA -0.4571571 -0.24590377 0.50
9: 3 NA NA NA 0.1136005 0.15250612 0.75
编辑：另一种处理任意数量列的方法是：
quantiles <- test.mat[ , lapply(.SD, quantile, c(0.25, 0.5, 0.75), na.rm = TRUE), by = 'Cohort Structure']
quantiles[, quantile := c(0.25, 0.5, 0.75)]
输出仍然一致：
> quantiles
Cohort Structure X1 X2 X3 X4 X5 quantile
1: 1 -0.7882032 1.026384 -1.1975511 -0.8922598 -0.14365438 0.25
2: 1 -0.5700479 1.053239 -0.7222268 0.4451031 0.03217004 0.50
3: 1 0.3405146 1.282465 -0.5917531 0.9224831 0.24087650 0.75
4: 2 NA NA NA 0.3324551 0.97672542 0.25
5: 2 NA NA NA 0.7927529 1.03910678 0.50
6: 2 NA NA NA 1.2530508 1.10148814 0.75
7: 3 NA NA NA -0.3269997 0.51067050 0.25
8: 3 NA NA NA 0.4094524 0.55328059 0.50
9: 3 NA NA NA 0.6502998 0.59589067 0.75