r - 最快的整数数据分类方法

Question

我在下表中给出了一个映射:

Input  Output
<4     0
5      0.4
6      0.5
7      0.65
8      0.75
9      0.85
>=10   1

到目前为止，我编写了3个版本:

k1 <- function(h) {
  if (h <= 4) { k <- 0
  } else if (h == 5) { k <- 0.4
  } else if (h == 6) { k <- 0.5
  } else if (h == 7) { k <- 0.65
  } else if (h == 8) { k <- 0.75
  } else if (h == 9) { k <- 0.85
  } else if (h >= 10) { k <- 1}
  return(k)
}

第二:

k2 <- function(h) {
  k <- 0
  k[h == 5] <- 0.4
  k[h == 6] <- 0.5
  k[h == 7] <- 0.65
  k[h == 8] <- 0.75
  k[h == 9] <- 0.85
  k[h >= 10] <- 1.0
  return(k)
}

第三:

k3 <- function(h) {
  k <- cut(h, breaks=c(0, 5, 6, 7, 8, 9, Inf), labels=c(0, 0.5, 0.65, 0.75, 0.85, 1), right=FALSE)  
  return(k)
}

我需要在两种不同的情况下使用该功能。
首先，评估标量输入，其次，评估值向量。

对于标量输入:

h <- 5
microbenchmark(k1(h), k2(h), k3(h))

Unit: microseconds
  expr    min      lq     mean  median     uq     max neval
 k1(h)  1.208  1.5110  2.38264  1.8125  2.114  15.698   100
 k2(h)  4.529  5.5855  8.71286  6.3400  7.849  73.053   100
 k3(h) 52.224 54.0360 71.74953 68.9785 79.393 304.286   100

对于矢量输入:

h <- rep(5, 250)
microbenchmark(sapply(h, k1), k2(h), k3(h))
Unit: microseconds
          expr     min      lq     mean   median       uq     max neval
 sapply(h, k1) 595.592 617.327 641.8598 637.8535 654.9100 857.918   100
         k2(h)  15.397  17.207  19.5470  18.1130  19.6225  49.508   100
         k3(h) 110.486 116.070 131.3117 121.2020 140.6720 275.910   100

因此，对于标量输入，k1最快，对于矢量输入，k2最快。

您是否有提高速度的可能性？我不敢相信这种笨拙的if/else代码在标量情况下应该最快。
而且，我想拥有一个统一的功能，而不是两个独立的功能。

Answer 1

findInterval是R中最快的功能。

out <- c(0, .4, .5, .65, .75, .85, 1)
k6 <- function(h){
    ind <- findInterval(h, c(4, 5, 6, 7, 8, 9) +0.1) + 1
    out[ind]
}

h <- rep(5, 250)
microbenchmark(k2(h), k4(h), k6(h), unit="relative")
Unit: relative
#  expr      min       lq     mean   median       uq      max neval
# k2(h) 2.283983 2.347714 2.225037 2.392578 2.319125 1.184224   100
# k4(h) 1.830939 1.725286 1.699866 1.701196 1.599973 1.414026   100
# k6(h) 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000   100