Question

R中出色的findInterval()函数在其vec参数中使用了左闭的子区间，如其文档中所示：

如果i <- findInterval(x,v)，我们有v[i[j]] <= x[j] < v[i[j] + 1]

如果我想要右关闭的子间隔，我的选择是什么？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

但是如果有更好的解决方案，我希望看到任何其他解决方案。 “更好”，我的意思是“某种程度上更令人满意”或“感觉不像是一种污垢”，甚至可能“更有效”。 =）

（注意rightmost.closed有一个findInterval()参数，但它有所不同 - 它只是指最后的子区间，并且具有不同的含义。）

Answer 1

编辑：所有过道都进行了重大清理。

您可以查看cut。默认情况下，cut使左开放和右闭合间隔成为可能，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的两个参数已从默认设置更改：include.lowest = TRUE将在最小（最左侧）间隔的两侧创建一个间隔。 labels = FALSE会导致cut只返回二进制位的整数值，而不是创建一个因子，否则就会这样做。

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？对。（注意cutVec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

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

从这次开始，cut似乎是最快的。

Answer 2

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

Answer 3

如果您的限制是间隔，您只需稍微增加一个正确的间隔：interval + c（0,0.1）就可以：findinterval（value，interval + c（0,0.1））

具有右闭合间隔的findInterval（）

3 个答案: