Question

我有一个应用程序，要求我根据X层数分区数据。为了简单起见，请说我想创建一个新的向量，为每个观察分配一个1-4的bin，具体取决于该观察的四分位数。

这是我到目前为止提出的解决方案：

binner <- function(N){ 
  start <- Sys.time()
  vec <- runif(N)
  cuts <- quantile(vec, seq(0, 0.75, 0.25)) 
  bins <- sapply(vec, function(x) max(which(x >= cuts)))
  end <- Sys.time()

  cat('Run time:', end - start) 
  bins
}
tmp <- binner(100)
tmp

非常适合轻量级实现，但尝试使用N的值进行试验。它非常快速（一次运行一次：您的计算机可能会挂起）：

tmp <- binner(1000) 
tmp <- binner(10000)
tmp <- binner(100000)
tmp <- binner(1000000)
tmp <- binner(10000000)

我知道解决for循环效率低下的经典“R-like”方法是通过矢量化。但是，这个让我很难过，因为我不确定如何逐个元素地逐步逻辑应用逻辑。

有什么想法？除了建立一堆并行工作者之外，我们如何将运行时间降低？

-Aaron

Answer 1

cut()怎么样？我已经返回了一个清单，以便时间结束，但你可以退回垃圾箱。另外，我添加了5个分区来满足4个q点，0分钟和最大信息：

  binner <- function(N=1000){ 

    vec<-runif(N)        
    timer<-system.time(ret<-cut(vec,breaks<-c(0,quantile(vec, seq(0, 0.75, 0.25)),Inf),labels=1:5))
    list(ret,timer)

  }

binner(10000000)

...
[[2]]
user  system elapsed 
4.55    0.12    4.70

寻求一种有效的替代品

1 个答案: