Question

基本上，我有以下2 data.table s：

dt - 包含值字段（y）和分组字段（x）
bk - 包含4个“ break ”字段（bn），用于描述{{1}中找到的每个组x的区间[1，inf]的存储区结构}}。每个dt代表桶的最小值（包括）并延伸到下一个桶（例如：bn = 1的4个桶是[1,3]，[3,5]，[ 5,10），[10，inf））。注意，桶结构不一定是唯一的。

我的目标是向> #4 groups (x), each with a bucket structure defined breaks (bn). > bk<- data.table(x=c(1:4), b1=c(1,1,1,1), b2=c(3,3,4,4), b3=c(5,5,7,8), b4=c(10,10,10,10), key="x") > bk x b1 b2 b3 b4 1: 1 1 3 5 10 2: 2 1 3 5 10 3: 3 1 4 7 10 4: 4 1 4 8 10 > dt<- data.table(x=rep(c(1:4),5), y=rep(c(1:10),2), key="x") > dt x y 1: 1 1 2: 1 5 3: 1 9 4: 1 3 5: 1 7 6: 2 2 7: 2 6 8: 2 10 9: 2 4 10: 2 8 11: 3 3 12: 3 7 13: 3 1 14: 3 5 15: 3 9 16: 4 4 17: 4 8 18: 4 2 19: 4 6 20: 4 10添加一个字段b，根据与{{0}对应的存储桶结构，指示记录所属的存储桶（1,2,3或4） 1}}。请参阅下面的所需输出：

dt

我最初的想法是加入两个x并使用x y b 1: 1 1 1 #Buckets for x=1 2: 1 5 3 3: 1 9 3 4: 1 3 2 5: 1 7 3 6: 2 2 1 #Buckets for x=2 (same as 1) 7: 2 6 3 8: 2 10 4 9: 2 4 2 10: 2 8 3 11: 3 3 1 #Buckets for x=3 12: 3 7 3 13: 3 1 1 14: 3 5 2 15: 3 9 3 16: 4 4 2 #Buckets for x=4 17: 4 8 3 18: 4 2 1 19: 4 6 2 20: 4 10 4函数返回每个记录的存储桶编号，但是我遇到了data.table参数的问题。首次尝试如下所示：

cut

如果我创建一个变量break来保存存储桶结构（例如，对于> bkt[dt, .(x, y, b=cut(y, breaks=c(b1, b2, b3, b4, "inf"), include.lowest=TRUE, labels=c(1:4)))] Error in cut.default(y, breaks = c(b1, b2, b3, b4, "inf"), include.lowest = TRUE, : 'breaks' are not unique = 1），则以下工作正如我预期的那样：

这仍然不是我的应用程序的实用解决方案，但我希望有人可以帮助我了解如何正确地将桶结构信息传递到x参数以获得类似的结果。我尝试了> a<- c(1, 3, 5, 10, "inf") > bkt[dt, .(x, y, b=cut(y, breaks=a, include.lowest=TRUE, labels=c(1:4)))] x y b 1: 1 1 1 2: 1 5 2 3: 1 9 3 4: 1 3 1 5: 1 7 3 6: 2 2 1 7: 2 6 3 8: 2 10 3 9: 2 4 2 10: 2 8 3 11: 3 3 1 12: 3 7 3 13: 3 1 1 14: 3 5 2 15: 3 9 3 16: 4 4 2 17: 4 8 3 18: 4 2 1 19: 4 6 3 20: 4 10 3，breaks，c，list函数的各种组合来传递正确的unlist参数，但没有运气。任何帮助/见解将不胜感激。谢谢！

完全披露，我是R的新手，这是我要发帖的第一篇文章。

Answer 1

稍微更改连接语法：

dt[bk, v := 
  cut(y, breaks = c(b1, b2, b3, b4, Inf), include.lowest = TRUE, labels = 1:4)
, by=.EACHI]

    x  y v
 1: 1  1 1
 2: 1  5 2
 3: 1  9 3
 4: 1  3 1
 5: 1  7 3
 6: 2  2 1
 7: 2  6 3
 8: 2 10 3
 9: 2  4 2
10: 2  8 3
11: 3  3 1
12: 3  7 2
13: 3  1 1
14: 3  5 2
15: 3  9 3
16: 4  4 1
17: 4  8 2
18: 4  2 1
19: 4  6 2
20: 4 10 3

这些结果与OP中的期望输出不同，但我认为错误在于cut参数的解释（我觉得令人困惑）。

这种方法非常不优雅，因为必须编写每个b1，...，b4;并且随着添加更多断点，它将无法很好地扩展。我同意@ NathanWerth关于重塑bk表的建议。他的方法也给出了OP期望的结果，而没有摆弄cut个参数。

旁注：正确的符号是Inf而不是"inf"。

Answer 2

您可以使用melt.data.table将bk数据集重组为更简单的形式：

bk_long <- melt.data.table(
  bk,
  id.vars = 'x',
  measure.vars = paste0('b', 1:4),
  value.name = 'y'
)
setkey(bk_long, x)
bk_long[, variable := NULL]
bk_long[, b := seq_len(.N), by = x]
bk_long
#     x  y b
#  1: 1  1 1
#  2: 1  3 2
#  3: 1  5 3
#  4: 1 10 4
#  5: 2  1 1
#  6: 2  3 2
#  7: 2  5 3
#  8: 2 10 4
#  9: 3  1 1
# 10: 3  4 2
# 11: 3  7 3
# 12: 3 10 4
# 13: 4  1 1
# 14: 4  4 2
# 15: 4  8 3
# 16: 4 10 4

然后像Frank建议的那样进行滚动加入：

bk_long[dt, on = c('x', 'y'), roll = TRUE]
#     x  y b
#  1: 1  1 1
#  2: 1  5 3
#  3: 1  9 3
#  4: 1  3 2
#  5: 1  7 3
#  6: 2  2 1
#  7: 2  6 3
#  8: 2 10 4
#  9: 2  4 2
# 10: 2  8 3
# 11: 3  3 1
# 12: 3  7 3
# 13: 3  1 1
# 14: 3  5 2
# 15: 3  9 3
# 16: 4  4 2
# 17: 4  8 3
# 18: 4  2 1
# 19: 4  6 2
# 20: 4 10 4

Answer 3

经过多次尝试，我终于让findInterval工作了。

该方法类似于frank's，只是每组使用by而不是单个连接。使用内置值.BY，您可以迭代bk的行，这些行被馈送到findInterval的第二个参数（vec）。

dt[, b := findInterval(y, c(unlist(bk[.BY, b1:b4]), Inf), rightmost.closed=FALSE), by=x]

返回

R：在j子句中引用cut函数中的data.table字段

3 个答案: