如何在 R 中有效地对大整数向量进行分类

Question

我有一个大整数向量（部分数据如下所示）：

a <- c(0,0,0,1,1,2,2,2,4,4,7,7,7,35,50,50, 200,200,500,500,500, 2500,2501,2502,2502)

我想创建另一个向量（向量 b），将向量 a 的值分类到 bin 中。对于向量 a 值 0 - 6，类别值应为 1，对于 7 - 13，类别值应为 2，对于 14 - 20，类别值应为 3 ...

我知道我可以使用 dplyr case_when() 函数进行变异，但是当数据很大时它可能效率不高。

Answer 1

将数值数据分类为具有数值输出值的范围的最佳方法是findInterval 函数。例子：

> a <- c(0,0,0,1,1,2,2,2,4,4,7,7,7,35,50,50, 200,200,500,500,500, 2500,2501,2502,2502)
> findInterval( a, c(0, 6, 12, 18, 24))
 [1] 1 1 1 1 1 1 1 1 1 1 2 2 2 5 5 5 5 5 5 5 5 5 5 5 5
> findInterval( a, 6^(0:6))
 [1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 5 5 5 5
> 6^(0:6)
[1]     1     6    36   216  1296  7776 46656

请注意，第二个参数中低于最小值的项目返回的值为 0，高于最大值的项目的值是vec（即中断）向量的长度。间隔是左闭右开，这与 cut 函数的行为方式相反（除非被参数更改）。