r - 在 data.table 的列中“分组”实数

Question

我有一个 data.table , DT其中包含一列 C具有满足不等式的实值条目 0 < x <= 1 .我想按时间间隔对这些条目进行“分组”，例如10. 具体到所有值x在 C这样 0 < x <=0.1我想将值 0.1 分配给所有值 x在 C这样 0.1 < x <=0.2我想赋值0.2等等

下面是我编写的函数，我认为它可以让我做到这一点(放轻松，我是 R 的新手!)。

r = function(x,N){

  v = numeric(10)
  for(i in 1:N)
    v[i] = i/N*(x>(i-1)/N & x<=i/N)
   v = v[v!=0]
  return(v)

}

哪里N是我需要的间隔数。但是，代码:

DT = DT[,newC:=r(x=C,N=10)]

出现以下错误:

Warning messages:
1: In v[i] = i/10 * (x > (i - 1)/10 & x <= i/10) :
  number of items to replace is not a multiple of replacement length
2: In v[i] = i/10 * (x > (i - 1)/10 & x <= i/10) :
  number of items to replace is not a multiple of replacement length
...
10: In v[i] = i/10 * (x > (i - 1)/10 & x <= i/10) :
  number of items to replace is not a multiple of replacement length

非常感谢任何帮助!干杯

Answer 1

(更快的)替代方法是使用 findInterval，它与 cut 的工作非常相似，但避免了 to-factor 和from-factor 转换

  z1 <- findInterval(x,y)
  z1 <- tail(y,-1)[z1]

还有一些基准测试

cutting <- function(){
  z <- cut(x,y,labels=tail(y,-1))
  #this generates a factor: 
  #you can convert it back to numeric
   z <- as.numeric(levels(z))[z]
  }

finding <- function(){
 z1 <- findInterval(x,y)
 z1 <- tail(y,-1)[z1]
}

microbenchmark(cutting(),finding())


##     Unit: microseconds
##       expr    min       lq   median      uq     max
## 1 cutting() 188.50 192.1175 193.6275 195.821 354.701
## 2 finding()  34.18  35.5140  37.5620  38.763  46.397