R - 创建具有非空交叉点的类切割间隔答案

【问题标题】：R - Create cut-like intervals with non-empty intersectionR - 创建具有非空交叉点的类切割间隔
【发布时间】：2015-09-14 15:13:27
【问题描述】：

我有一个数据框 df，其中有一列名为 x1，其值介于 -5 和 +5 之间。我试图为df 的每一行分配一个关于x1 值的区间。函数cut允许我这样做：

cut(df$x1,c(-5,-4,-3,-2,-1,0,1,2,3,4,5))

然后我可以使用by 将df 拆分为10 个data.frames。不幸的是，我想要分配像 -5 到 -3.95、-4.05 到 -2.95、-3.05 到 -1.95 等间隔，这意味着：

4.06 将在 3.95-5.05 区间内
4.05 将在 3.95-5.05 和 2.95-4.05 区间内
4.04 将在 3.95-5.05 和 2.95-4.05 区间内
3.94 将在 2.95-4.05 区间内

这意味着在使用by后，我将拥有 10 个数据帧，其中 2 个数据帧中有一些元素。

我的问题的下一部分将涉及 0 附近的值：区间不应包含负值和正值，因此区间将类似于

-5 到 -3.95
-4.05 到 -2.95
...
-2.05 到 -0.95
-1.05 到 0 而不是 -1.05 到 0.05
0 到 1.05 而不是 -0.05 到 1.05
0.95 至 2.05
...

有没有办法在 R 中实现这一点？

编辑：df

df 看起来像这样：

other_var  ...   x1  ... another_var ...
    100    ... 4     ...   18     ...
    12.3   ... 3.84  ...   -6.2   ...
    1.4    ... 4.78  ...    4.78  ...
    -2     ... -2.51 ...    7.1   ...
    -3.2   ... 0.57  ...   -1     ...


dput(df1)

structure(list(x0 = c(0.702166747375488, 0.205532096598193,     0.0704982518296982, 
-0.159150628995597, -0.162625494967927, -0.331660025490033, -0.099135847436449, 
-0.137985446193678, -0.179304942878067, 0.0554309512268647), 
x1 = c(-0.561621170364712, -0.762747775318984, 1.63791710226613, 
-0.861210697757564, -1.05393723031543, 0.809872536189693, 
2.85973319518198, 0.211750306033687, 1.18360826959114, -0.358159130198865
), x2 = c(-0.304711385106637, 0.365667729645747, -0.406328268107825, 
-0.315315872233279, -0.477546612710489, 0.251158976293131, 
-1.1263800774781, 0.229002212764429, -0.00413111289214729, 
-0.252467704090853)), .Names = c("x0", "x1", "x2"), row.names = c(NA, 
10L), class = "data.frame")

【问题讨论】：

请提供df的可重现示例。

标签： r split dataframe intervals

【解决方案1】：

我看不到使用不导致多列的切割创建间隔的解决方案，因此我从另一个角度接近它：迭代所有切割点并返回该最小值和最大值的子集。

intervals <- data.frame(min=c(-5,-4.05+0:3,0,0.95+0:3))
intervals$max <- rev(intervals$min)*-1
intervals$name <- with(intervals, sprintf("[%.2f;%.2f)",min,max))
res <- lapply(split(intervals,intervals$name), function(x){
  return(df1[df1$x1> x$min & df1$x1 <= x$max,])
})

> head(res)
$`[-1.05;-0.00)`
            x0         x1         x2
1   0.70216675 -0.5616212 -0.3047114
2   0.20553210 -0.7627478  0.3656677
4  -0.15915063 -0.8612107 -0.3153159
10  0.05543095 -0.3581591 -0.2524677

$`[-2.05;-0.95)`
          x0        x1         x2
5 -0.1626255 -1.053937 -0.4775466

$`[-3.05;-1.95)`
[1] x0 x1 x2
<0 rows> (or 0-length row.names)

$`[-4.05;-2.95)`
[1] x0 x1 x2
<0 rows> (or 0-length row.names)

$`[-5.00;-3.95)`
[1] x0 x1 x2
<0 rows> (or 0-length row.names)

$`[0.00;1.05)`
          x0        x1        x2
6 -0.3316600 0.8098725 0.2511590
8 -0.1379854 0.2117503 0.2290022

【讨论】：

谢谢，但是我应该在 interval$name 和 head(res) 之间写什么？我看不到如何将间隔应用于 df$x1

【解决方案2】：

这是一个在 data.table 包中使用foverlaps(...) 的解决方案。很遗憾。您需要最新的开发版本才能正常工作。使用来自另一个答案的intervals data.frame。

##install.packages("devtools")
# library(devtools)
# install_github("Rdatatable/data.table", build_vignettes = FALSE)

library(data.table)
y    <- with(df1,data.table(row=1:nrow(df1),lo=x1, hi=x1, key=c("lo","hi")))
cuts <- foverlaps(setDT(intervals),y, by.x=c("min","max"))[,list(row,name)]
lapply(split(cuts, cuts$name),function(s)df1[sort(s$row),]) 
# $`[-1.05;-0.00)`
#            x0         x1         x2
# 1   0.70216675 -0.5616212 -0.3047114
# 2   0.20553210 -0.7627478  0.3656677
# 4  -0.15915063 -0.8612107 -0.3153159
# 10  0.05543095 -0.3581591 -0.2524677
#
# $`[-2.05;-0.95)`
#           x0        x1         x2
# 5 -0.1626255 -1.053937 -0.4775466
#
# $`[-3.05;-1.95)`
# [1] x0 x1 x2
# <0 rows> (or 0-length row.names)
#...

foverlaps(x,y,...) 进行“重叠连接”，即查找y 中与x 重叠的所有记录。重叠被定义为在y 中的列之间的范围内的值（例如，a 和 b），它与x 中的两列（例如 c 和 d）中的相应范围重叠。在这种情况下，对于x，我们使用intervals data.frame（转换为data.table），对于y，我们使用由lo 和hi 列=df$x1 组成的data.table。

【讨论】：