R中的装箱程序？

我正在努力将以下装箱“算法/过程”放入R代码/脚本中，这可能与用于装箱内核密度估计的类似：

假设我们有一些数据：

set.seed(12345) # setting seed
x<-rnorm(100)   # generating data

首先，我要特别感谢@missuse的帮助、努力和投入。其次，我想为我对一些

base

R函数的无知（希望是由于缺乏R和编程方面的经验）表示歉意

我正在转换和试验为我的计算开发的代码@missue，但是，不断出现缺少

x

的问题，并且经常需要手动调整不同的数据集。特别是，当我在试验由数据的样本分位数确定的断点时。在我看来，

cut

功能似乎相当敏感（注意：由于我的目标、数据等原因，这可能是相当主观的）。因此，前几天，我厌倦了不断的调整，并对各种R函数执行了

help（）

命令，

hist（）

来帮助我解决了几乎所有的装箱问题。下面是一个非常简单的示例，用于确定每个箱子中有多少个

x

，以及如何确定每个箱子的箱子中心：

hist(x, breaks=c(-5:5), plot=FALSE)$counts # for bin counts 
hist(x, breaks=c(-5,5), plot=FALSE)$mids   # for bin centers

---

在上面，我假设选择所需的中断，您可以根据

cut

函数构建一个函数，并相应地切割网格进行估算@下面的误译提供了一个很好的基础，用<代码>剪切< /代码>设置断点，只需确保您的数据跨越<<代码> Sturt规范> <代码>组（）/<代码>。p> 可能是这样的：

数据：

对每个列表项执行感兴趣的功能

lapply(z, median) #median for each bin

lapply(z, function(i) {
  mini = min(i)
  maxi = max(i)
  sum(mini <= x & x <= maxi)
}
) #number of elements of x in each bin

缺少哪个x：

nbins<-cut(y, 8) 
    z = lapply(levels(nbins), function(x) y[nbins == x])
    gix = lapply(z, function(i) {
      mini = min(i)
      maxi = max(i)
      x[mini <= x & x <= maxi]
    }
    )
  x[!x %in% unlist(gix)]

 #-1.6620502 -0.8115405 

这至少可以解决缺少x元素的问题

优化问题的解决方法与上述方法相同

---

哪个（未列出（p））

，只有前4个满足规则，所以3，4，5，6

非常感谢，因为它可以很好地找到一个中间值（每个箱子的中心），但不幸的是，它在每个箱子中提供了

y

的长度，而我在寻找每个箱子中有多少

x

属于（落入）…@EmptyHead Maybe

table（nbins）

@EmptyHead updated，检查输出是否与所需的一致。@如果执行

sum（未列出，函数（i）{mini=min（i）maxi=max（i）sum，则使用错误(mini@EmptyHead我还观察了
sum=97
，认为这很奇怪，所以我运行了一些测试。请参阅编辑。
p =lapply(3 : length(x), function(i){
  nbins<-cut(y, i)
  z = lapply(levels(nbins), function(j) y[nbins == j])
  sumi = lapply(z, function(i) {
    mini = min(i)
    maxi = max(i)
    sum(mini <= x & x <= maxi)
  }
  )
  return(sum(unlist(sumi)>0) == length(sumi))
}
)

which(unlist(p)), only first 4 satisfy the rule, so 3, 4, 5, 6 

z = lapply(levels(nbins), function(x) y[nbins == x] )

lapply(z, median) #median for each bin

lapply(z, function(i) {
  mini = min(i)
  maxi = max(i)
  sum(mini <= x & x <= maxi)
}
) #number of elements of x in each bin

sum(unlist(lapply(z, function(i) {
  mini = min(i)
  maxi = max(i)
  sum(mini <= x & x <= maxi)
}
))) is less than 100 in many cases

nbins<-cut(y, 8) 
    z = lapply(levels(nbins), function(x) y[nbins == x])
    gix = lapply(z, function(i) {
      mini = min(i)
      maxi = max(i)
      x[mini <= x & x <= maxi]
    }
    )
  x[!x %in% unlist(gix)]

 #-1.6620502 -0.8115405 

p =lapply(2 : length(x), function(i){
  nbins<-cut(y, i)
  z = lapply(levels(nbins), function(j) y[nbins == j])
  sumi = lapply(z, function(i) {
    mini = min(i)
    maxi = max(i)
    p = round(x, 2)
    sum(mini <= p & p <= maxi)
  }
  )
  return(sum(unlist(sumi)>0) == length(sumi))
}
)