20

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

如果i <- findInterval(x,v)，我们有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， 有一个rightmost.closed参数findInterval()，但它是不同的 - 它仅指最终的子区间并且具有不同的含义。）

4

3 回答 3

10

编辑：主要清理所有过道。

你可能会看cut。默认情况下，设置cut左开和右闭区间，并且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已从默认设置更改的两个参数：include.lowest = TRUE将为最小（最左侧）间隔创建一个两侧闭合的间隔。labels = FALSE将导致cut仅返回 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cutVecfor的使用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

从这个运行来看，cut似乎是最快的。

于 2012-11-20T22:03:31.600 回答
4

也许你可以使用 left.open 选项：

findInterval(x, vec, left.open=T)
[1] 1 2 3 3 3 4 4
于 2017-10-23T16:33:18.670 回答
-1

如果您的限制是间隔，您只需稍微增加正确的间隔：interval+c(0,0.1) 会做：findinterval(value, interval+c(0,0.1))

于 2016-08-15T14:38:33.487 回答