r - 具有右闭区间的 findInterval()

Question

伟大的findInterval() R 中的函数在其 vec 中使用左闭子区间参数，如其文档所示:

if i <- findInterval(x,v), we have v[i[j]] <= x[j] < v[i[j] + 1]

如果我想要右闭子区间，我有什么选择？我想出的最好的是:

findInterval.rightClosed <- function(x, vec, ...) {
  fi <- findInterval(x, vec, ...)
  fi - (x==vec[fi])
}

另一个也有效:

findInterval.rightClosed2 <- function(x, vec, ...) {
  length(vec) - findInterval(-x, -rev(vec), ...)
}

这是一个小测试:

x <- c(3, 6, 7, 7, 29, 37, 52)
vec <- c(2, 5, 6, 35)
findInterval(x, vec)
# [1] 1 3 3 3 3 4 4
findInterval.rightClosed(x, vec)
# [1] 1 2 3 3 3 4 4
findInterval.rightClosed2(x, vec)
# [1] 1 2 3 3 3 4 4

但如果有更好的解决方案，我希望看到任何其他解决方案。我所说的“更好”是指“在某种程度上更令人满意”或“感觉不像是杂物”，甚至可能是“更有效率”。 =)

(请注意， rightmost.closed 有一个 findInterval() 参数，但它有所不同——它仅指最终的子区间，并且具有不同的含义。)

Answer 1

编辑:对所有过道进行大扫除。

你可以看看 cut .默认情况下，cut使左开和右闭区间，可以使用适当的参数(right)进行更改。要使用您的示例:

x <- c(3, 6, 7, 7, 29, 37, 52)
vec <- c(2, 5, 6, 35)
cutVec <- c(vec, max(x)) # for cut, range of vec should cover all of x

现在创建四个应该做同样事情的函数:两个来自 OP，一个来自 Josh O'Brien，然后是 cut . cut 的两个参数已从默认设置更改: include.lowest = TRUE将为最小(最左边)的间隔创建一个两边都闭合的间隔。 labels = FALSE会导致 cut只返回 bin 的整数值，而不是创建一个因子，否则它会这样做。

findInterval.rightClosed <- function(x, vec, ...) {
  fi <- findInterval(x, vec, ...)
  fi - (x==vec[fi])
}
findInterval.rightClosed2 <- function(x, vec, ...) {
  length(vec) - findInterval(-x, -rev(vec), ...)
}
cutFun <- function(x, vec){
    cut(x, vec, include.lowest = TRUE, labels = FALSE)
}
# The body of fiFun is a contribution by Josh O'Brien that got fed to the ether.
fiFun <- function(x, vec){
    xxFI <- findInterval(x, vec * (1 + .Machine$double.eps))
}

所有函数都返回相同的结果吗？是的。 (注意 cutVec 用于 cutFun )

mapply(identical, list(findInterval.rightClosed(x, vec)),
  list(findInterval.rightClosed2(x, vec), cutFun(x, cutVec), fiFun(x, vec)))
# [1] TRUE TRUE TRUE

现在对 bin 的要求更高:

x <- rpois(2e6, 10)
vec <- c(-Inf, quantile(x, seq(.2, 1, .2)))

测试是否相同(注意使用 unname )

mapply(identical, list(unname(findInterval.rightClosed(x, vec))),
  list(findInterval.rightClosed2(x, vec), cutFun(x, vec), fiFun(x, vec)))
# [1] TRUE TRUE TRUE

和基准:

library(microbenchmark)
microbenchmark(findInterval.rightClosed(x, vec), findInterval.rightClosed2(x, vec),
  cutFun(x, vec), fiFun(x, vec), times = 50)
# Unit: milliseconds
#                                expr       min        lq    median        uq       max
# 1                    cutFun(x, vec)  35.46261  35.63435  35.81233  36.68036  53.52078
# 2                     fiFun(x, vec)  51.30158  51.69391  52.24277  53.69253  67.09433
# 3  findInterval.rightClosed(x, vec) 124.57110 133.99315 142.06567 155.68592 176.43291
# 4 findInterval.rightClosed2(x, vec)  79.81685  82.01025  86.20182  95.65368 108.51624

从这次运行开始， cut似乎是最快的。