r - 按条件 [Low, Hit, High] 分组并创建三个新列(R 中的 pandas 等效项)

Question

我想将我的 python 代码的某些部分改编为 R，但不知道如何在那里解决它。

我有一个大型数据集(约 5 Mio 行)，其中包含一些 ML 培训的结果。现在我想通过定义它们是否达到“目标范围”来限定结果。此“目标范围”包含 -0.25 和 +0.25 之间的所有值。如果在此范围内，则为 Hit，如果低于 Low 和另一侧 High。

df = data.frame(Type=c("RF", "RF", "RF", "MLP", "MLP", "MLP"),
               Value=c(-1.5, -0.1, 1.7, 0.2, -0.7, -0.6))
                
df

+--------+---------+
| Type   |   Value |
+--------+---------|
| RF     |    -1.5 | <- Low
| RF     |    -0.1 | <- Hit
| RF     |     1.7 | <- High
| MLP    |     0.2 | <- Hit
| MLP    |    -0.7 | <- Low
| MLP    |    -0.6 | <- Low
+--------+---------+

在 python python pandas 中我可以解决它:

(df.assign(group=pd.cut(df['Value'],
               [float('-inf'), -0.25, 0.25, float('inf')],
                        labels=['Low', 'Hit', 'High']))
   .pivot_table(index='Type', columns='group', values='Value', aggfunc='count')
   .reset_index()
   .rename_axis(None, axis=1)
)

有人可以帮助我如何使其适应 R 吗？无论是 native R、data.table 还是 dplyr 都无所谓，我愿意接受任何方法。然而，越快越好:-)

---

预期输出

df_expected = data.frame(Type=c("RF", "MLP"), "Low"=c(1,2), "Hit"=c(1,1), "High"=c(1,0))

+--------+-------+-------+--------+
| Type   |   Low |   Hit |   High |
+--------+-------+-------+--------|
| RF     |     1 |     1 |      1 |
| MLP    |     2 |     1 |      0 |
+--------+-------+-------+--------+

Answer 1

我看到您的数据有点大。我会使用 data.table 来满足您的需要，因为您会更快地获得结果。

这就是我构建脚本以实现您想要的方式的方式。 data.table 的优化函数 fcase(像 SQL 的 CASE WHEN 一样工作)和 dcast 在这里使用，同时我还创建了类 错误来说明不属于您的预定义条件的观察。

library(data.table)

df = data.frame(Type=c("RF", "RF", "RF", "MLP", "MLP", "MLP"),
                Value=c(-1.5, -0.1, 1.7, 0.2, -0.7, -0.6))

df = as.data.table(df)

df[, class := fcase(Value >= -0.25 & Value <= 0.25, "Hit",
                    Value < -0.25, "Low",
                    Value > 0.25, "High",
                    default = "error")]

dcast(df, Type ~ class, value.var = "class")

输出:

   Type High Hit Low
1:  MLP    0   1   2
2:   RF    1   1   1