将数据帧中定义的间隔映射到向量

Tomas Greif 发表于 Dev

托马斯·格里夫（Tomas Greif）

我有一个带有间隔定义的数据框：

ints <- read.table(header=T, sep=";", stringsAsFactors = FALSE, na.strings = 'NA', text="
minValue;minOperato;maxValue;maxOperator;class
3914;>=;NA;NA;[3914,Inf)
NA;NA;1373;<;[ -Inf,1373)
1373;>=;1806;<;[1373,1806)
2777;>=;3914;<;[2777,3914)
1806;>=;2777;<;[1806,2777)
")

第二个数据帧带有值x和二进制变量y：

sd <- data.frame(x = runif(1000) * 5000, y = as.integer(runif(1000) > .5))

现在，我想获取sd每个间隔的数据帧中的零和一的数目，并将结果合并到ints数据帧中。

我以为我会用cut：

breaks <- c(-Inf, ints$minValue[order(ints$minValue)], Inf)
breaks <- breaks[!is.na(breaks)]
out <- as.data.frame.matrix(table(cut(sd$x, breaks, right = FALSE), sd$y))

不幸的是，在时间间隔out不与我间隔匹配ints的数据帧（被不同地表示），所以我不能加入out到ints。

我知道我可能可以使用sqldfpackage或ints$x在某些循环中重新编码来生成一些sql ，但这会很慢。

研究

一种解决方案是用一个简单的id（一个序列）替换您的间隔。应该对int和out.data.frames进行此操作。每个ID标识一个间隔。一旦执行此操作，合并就很简单了。

## first I extract the intevals from ints in ordered manner
id <- !is.na(ints$minValue)&!is.na(ints$maxValue)
class_factor <- 
  c(ints$class[which(is.na(ints$minValue))],
     ints$class[id][order(ints$minValue[id])],
     ints$class[which(is.na(ints$maxValue))])

## add an id column that identify each interval in ints data.frame
ints <- merge(data.frame(class=class_factor,id = seq_along(class_factor)),ints)

##  Do same thing in out uisng lables=FALSE  as a cut argument
out <- as.data.frame.matrix(table(cut(sd$x, breaks, right = FALSE,
         labels=FALSE), sd$y))  ## here the trick 

## merge ints and out 
merge(out,ints,by.x=0,by.y="id")

#     Row.names   0   1        class minValue minOperato maxValue maxOperator
#   1         1 132 146 [ -Inf,1373)       NA       <NA>     1373           <
#   2         2  45  38  [1373,1806)     1373         >=     1806           <
#   3         3  98  99  [1806,2777)     1806         >=     2777           <
#   4         4  98 110  [2777,3914)     2777         >=     3914           <
#   5         5 125 109   [3914,Inf)     3914         >=       NA        <NA>