[英]R - Create cut-like intervals with non-empty intersection
我有一个数据框df
,其列名为x1
,其值介于-5和+5之间。 我正在尝试为df
的每一行分配一个有关x1
值的间隔。 功能cut
让我这样做:
cut(df$x1,c(-5,-4,-3,-2,-1,0,1,2,3,4,5))
然后我可以使用by
将df
分成10个data.frames
。 不幸的是,我想分配的间隔是-5到-3.95,-4.05到-2.95,-3.05到-1.95,依此类推,这意味着:
这意味着使用by
之后by
我将拥有10个数据帧,其中两个数据帧中有几个元素。
我的问题的下一部分将关注0附近的值:时间间隔不应包含负值和正值,因此时间间隔将类似于
有办法在R中实现吗?
编辑:df
df
看起来像这样:
other_var ... x1 ... another_var ...
100 ... 4 ... 18 ...
12.3 ... 3.84 ... -6.2 ...
1.4 ... 4.78 ... 4.78 ...
-2 ... -2.51 ... 7.1 ...
-3.2 ... 0.57 ... -1 ...
dput(df1)
structure(list(x0 = c(0.702166747375488, 0.205532096598193, 0.0704982518296982,
-0.159150628995597, -0.162625494967927, -0.331660025490033, -0.099135847436449,
-0.137985446193678, -0.179304942878067, 0.0554309512268647),
x1 = c(-0.561621170364712, -0.762747775318984, 1.63791710226613,
-0.861210697757564, -1.05393723031543, 0.809872536189693,
2.85973319518198, 0.211750306033687, 1.18360826959114, -0.358159130198865
), x2 = c(-0.304711385106637, 0.365667729645747, -0.406328268107825,
-0.315315872233279, -0.477546612710489, 0.251158976293131,
-1.1263800774781, 0.229002212764429, -0.00413111289214729,
-0.252467704090853)), .Names = c("x0", "x1", "x2"), row.names = c(NA,
10L), class = "data.frame")
我看不到创建带有不导致多列的剪切间隔的解决方案,因此我从另一个角度进行了研究:遍历所有剪切点并返回该最小值和最大值的子集。
intervals <- data.frame(min=c(-5,-4.05+0:3,0,0.95+0:3))
intervals$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)
$`[0.00;1.05)`
x0 x1 x2
6 -0.3316600 0.8098725 0.2511590
8 -0.1379854 0.2117503 0.2290022
这是在data.table包中使用foverlaps(...)
的解决方案。 不幸。 您需要最新的开发版本才能正常工作。 使用另一个答案的intervals
data.frame。
##install.packages("devtools")
# library(devtools)
# install_github("Rdatatable/data.table", build_vignettes = FALSE)
library(data.table)
y <- with(df1,data.table(row=1:nrow(df1),lo=x1, hi=x1, key=c("lo","hi")))
cuts <- foverlaps(setDT(intervals),y, by.x=c("min","max"))[,list(row,name)]
lapply(split(cuts, cuts$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
#
# $`[-3.05;-1.95)`
# [1] x0 x1 x2
# <0 rows> (or 0-length row.names)
#...
foverlaps(x,y,...)
执行“重叠连接”,即找到y
中在x
中有重叠的所有记录。 重叠定义为y
到y
列(例如a和b)之间的范围内的值,该值与x
两列(例如c和d)中的相应范围重叠。 在这种情况下,对于x
,我们使用intervals
data.frame(转换为data.table),对于y
,使用由lo和hi列组成的data.table都= df$x1
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.