R＆dplyr - 使用基于另一列的键的bin变量答案

【问题标题】：R & dplyr - bin variable using key based on another columnR＆dplyr - 使用基于另一列的键的bin变量
【发布时间】：2018-08-29 20:16:40
【问题描述】：

我正在尝试为以下 data.frame df 创建一个 bin 列，但该 bin 将取决于 key 列。 lookup data.frame 包含每个 key 值的 bin 定义。

df <- data.frame(
  key = c("foo", "bar"),
  value = c(1, 10),
  stringsAsFactors = FALSE
)

lookup <- data.frame(
  foo = c(0, 5, 10),
  bar = c(0, 12, 15),
  stringsAsFactors = FALSE
)

bins <- df %>% rowwise() %>% 
  mutate(bin = as.numeric(cut(value, breaks = lookup %>% select(key) %>% pull, include.lowest = TRUE)))

上面的函数给出了想要的结果：

> bins
  key value bin
1 foo     1   1
2 bar    10   1

但是，我实际使用的 data.frame 要大得多。该功能非常缓慢。有没有更好的方法来加快速度？

【问题讨论】：

标签： r dplyr binning

【解决方案1】：

一个选项是pmap

library(purrr)
library(dplyr)
pmap_dbl(df, ~ as.numeric(cut(..2, breaks = lookup[[..1]]))) %>% 
                mutate(df, bin = .)
#   key value bin
#1 foo     1   1
#2 bar    10   1

基准测试

df1 <- df[rep(seq_len(nrow(df)), 1e4), ]
system.time({bins <- df1 %>% 
                    rowwise() %>%             
                    mutate(bin = as.numeric(cut(value, 
                        breaks = lookup %>% 
                                    select(key) %>%
                                    pull, include.lowest = TRUE)))})
#  user  system elapsed 
# 25.907   0.120  25.914 

system.time({bins2 <- pmap_dbl(df1, ~ 
                as.numeric(cut(..2, breaks = lookup[[..1]]))) %>%       
                      mutate(df1, bin = .)})
#   user  system elapsed 
#  1.666   0.008   1.673 

all.equal(bins, bins2)
#[1] TRUE

【讨论】：