r - R＆dplyr - 使用基于另一列的键的bin变量

Question

我正在尝试为下面的 data.frame 创建一个 bin 列df，但 bin 将取决于该key列。data.framelookup包含每个键值的 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)))

上面的函数给出了预期的结果：

> 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？

标签： rdplyrbinning

Answer 1

一种选择是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

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