寻找 sapply 的有效替代方案

Question

我有一个应用程序要求我根据 X 层数对数据进行分类。为简单起见，假设我想创建一个新向量，根据该观察的四分位数为每个观察分配一个 1 - 4 的 bin。

这是我目前想出的解决方案：

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，但尝试尝试 N 的值。它很快就会变得低效（一次运行这些：您的计算机可能会开始挂起）：

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“类 R”方法是通过矢量化。不过，这个问题难倒我，因为我不确定如何在逐个元素的基础上矢量化逻辑应用。

有什么想法吗？除了设置一堆并行工作者之外，我们如何降低运行时间？

-亚伦

Answer 1

cut() 怎么样？我已经返回了一个列表，以便时间也出来，但你可以只返回垃圾箱。另外，我添加了 5 个 bin 来满足 4 q 点、0-min 和 max-Inf：

  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