选择一组区间（范围）内/外的值 R答案

【问题标题】：Select values within/outside of a set of intervals (ranges) R选择一组区间（范围）内/外的值 R
【发布时间】：2015-12-29 02:50:34
【问题描述】：

我有某种索引，例如：

index <- 1:100

我还有一个“排除区间”/范围列表

exclude <- data.frame(start = c(5,50, 90), end = c(10,55, 95))

  start end
1     5  10
2    50  55
3    90  95

我正在寻找一种有效的方法（在 R 中）来删除属于 exclude 数据框范围内的所有索引

所以期望的输出是：

1,2,3,4,  11,12,...,48,49,  56,57,...,88,89,  96,97,98,99,100

我可以迭代地执行此操作：遍历每个排除间隔（使用ddply）并迭代地删除落在每个间隔中的索引。但是有没有更有效的方法（或功能）来做到这一点？

我正在使用library(intervals) 来计算我的间隔，我找不到执行此操作的内置函数。

【问题讨论】：

您的范围是否总是不重叠且按递增顺序排列？
我使用 library(intervals) - interval_union() 来确保我的间隔不重叠。这似乎也对它们进行了排序。

标签： r subset intervals

【解决方案1】：

另一种看起来有效的方法可能是：

starts = findInterval(index, exclude[["start"]])
ends = findInterval(index, exclude[["end"]])# + 1L) ##1 needs to be added to remove upper 
                                                        ##bounds from the 'index' too
index[starts != (ends + 1L)] ##a value above a lower bound and 
                                       ##below an upper is inside that interval

这里的主要优点是不需要创建包含所有区间元素的向量，而且它可以处理特定区间内的任何值集；例如：

set.seed(101); x = round(runif(15, 1, 100), 3)
x
# [1] 37.848  5.339 71.259 66.111 25.736 30.705 58.902 34.013 62.579 55.037 88.100 70.981 73.465 93.232 46.057
x[findInterval(x, exclude[["start"]]) != (findInterval(x, exclude[["end"]]) + 1L)]
# [1] 37.848 71.259 66.111 25.736 30.705 58.902 34.013 62.579 55.037 88.100 70.981 73.465 46.057

【讨论】：

【解决方案2】：

我们可以使用Map获取'start''end'列中对应元素的序列，unlist创建一个vector并使用setdiff获取'index'的值不在vector 中。

setdiff(index,unlist(with(exclude, Map(`:`, start, end))))
#[1]   1   2   3   4  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25
#[20]  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44
#[39]  45  46  47  48  49  56  57  58  59  60  61  62  63  64  65  66  67  68  69
#[58]  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88
#[77]  89  96  97  98  99 100

或者我们可以使用rep，然后使用setdiff。

i1 <- with(exclude, end-start) +1L
setdiff(index,with(exclude, rep(start, i1)+ sequence(i1)-1))

注意：这两种方法都返回需要排除的索引位置。在上面的例子中，原始向量（'index'）是一个序列，所以我使用了setdiff。如果它包含随机元素，请适当使用位置向量，即

index[-unlist(with(exclude, Map(`:`, start, end)))]

或

index[setdiff(seq_along(index), unlist(with(exclude, 
                       Map(`:`, start, end))))]

【讨论】：

如果index 变成一组随机的、连续的数字，例如index <- rnorm(100)*1000?
@Ant 代替setdiff，我们使用从unlist 返回的数字索引向量index[-unlist(with(exclude, Map(:, start, end)))] 或index[setdiff(seq_along(index), unlist(with(exclude, Map(:, start, end))))]
问题是，例如，index 值 5.255 确实会落入我的排除区间，但不会被排除 - 您建议的解决方案只会删除整数值。我想我犯了一个错误，称它为“索引”并赋予它整数值，而事实上，我得到的更像是一堆随机数，我试图排除那些落在特定区间内的数字.您的回答对我的问题是正确的，是我没有很好地表达我的问题并且可能过于简单化了。那么，这可能值得提出一个不同的问题。谢谢。
@Ant 请将其作为一个新问题发布。

【解决方案3】：

另一种方法

> index[-do.call(c, lapply(1:nrow(exclude), function(x) exclude$start[x]:exclude$end[x]))]
 [1]   1   2   3   4  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30
[25]  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  56  57  58  59  60
[49]  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84
[73]  85  86  87  88  89  96  97  98  99 100

【讨论】：