R 如何有效地检查数字向量是否在数据帧定义的间隔内

我有以下问题：我有一个向量

n1

，其中包含某些值（例如，我随机化了代码中的值）。我有一个数据框

df.int

，其中包含一列区间上限和一列特定值（再次随机，实际上这些值是其他值的模式）。我想检查

n1

的每个条目在数据帧的哪个间隔内，然后用相应间隔的第二列的值覆盖

n1

的值

一般来说，我的代码应该可以工作，但是由于

n1

的间隔很长，我的脚本运行得太长。所以我想问我如何调整我的代码，使其更有效地工作

代码如下：

set.seed(123)
seq.vec <- c(seq(400,800000,by=200))
n1 <- sample(100:800000, 2000, replace=TRUE)
df.int <- data.frame(matrix( nrow=length(seq.vec), ncol=2))
df.names <- c("Upper.Limit", "Value")
colnames(df.int) <- df.names
df.int$Upper.Limit <- seq.vec
df.int$Value <- sample(100:800000, length(seq.vec), replace=TRUE)
j <- 1
m <- 1
for (k in seq_len(n1)){
  for (i in seq_len(df.int$Upper.Limit)){
    if (j==1) {
      n1[m] <- ifelse(n1<=df.int$Upper.Limit[j],df.int$Value[j],n1[m])
    } else{
      n1[m] <- ifelse(n1<=df.int$Upper.Limit[j] & n1>df.int$Upper.Limit[j-1]
                            ,df.int$Value[j],n1[m])
    }
    j <- j+1
  }
  m <- m+1
}

set.seed（123）
seq.vec您可以将
approx
与
method=“constant”
一起使用，并通过设置
f
参数指定要使用的限制：

## dummy data
n1 <- runif(10, 0, 100)
df.int <- data.frame(
   upper = seq(1, 100, by = 1), 
   value = runif(100, 0, 100)
)


approx(x = df.int$upper, 
       y = df.int$value, 
       xout = n1, 
       method = "constant",  
       f = 1,                
       rule = 2             ## extrapolation behavior outside domain
)

##虚拟数据
n1您可以使用
approx
和
method=“constant”
并通过设置
f
参数指定要使用的限制：

## dummy data
n1 <- runif(10, 0, 100)
df.int <- data.frame(
   upper = seq(1, 100, by = 1), 
   value = runif(100, 0, 100)
)


approx(x = df.int$upper, 
       y = df.int$value, 
       xout = n1, 
       method = "constant",  
       f = 1,                
       rule = 2             ## extrapolation behavior outside domain
)

##虚拟数据
n1函数
findInterval
性能良好，可以完成任务。

首先了解它如何仅与
n1的第一个元素一起工作

i <- findInterval(n1[1], c(df.int$Upper.Limit, Inf))
j <- findInterval(n1[1], c(-Inf, df.int$Upper.Limit))

df.int$Upper.Limit[i]
#[1] 189000
n1[1]
#[1] 189041
df.int$Upper.Limit[j]
#[1] 189200

df.int$Upper.Limit[i] < n1[1] & n1[1] <= df.int$Upper.Limit[j]
#[1] TRUE

i函数
findInterval
具有良好的性能，可以完成任务。

首先了解它如何仅与
n1的第一个元素一起工作

i <- findInterval(n1[1], c(df.int$Upper.Limit, Inf))
j <- findInterval(n1[1], c(-Inf, df.int$Upper.Limit))

df.int$Upper.Limit[i]
#[1] 189000
n1[1]
#[1] 189041
df.int$Upper.Limit[j]
#[1] 189200

df.int$Upper.Limit[i] < n1[1] & n1[1] <= df.int$Upper.Limit[j]
#[1] TRUE

i如果我理解正确，OP正在寻找一种有效的方法，从给定上限的匹配右闭合区间中选取一个值

对于大型数据集，滚动联接可能值得一看：

library(data.table)
setDT(df.int)[data.table(n1), on = .(Upper.Limit = n1), roll = -Inf]$Value

或者，根据OP的需要更换
n1

n1 <- setDT(df.int)[data.table(n1), on = .(Upper.Limit = n1), roll = -Inf]$Value


请注意对数时间刻度

对于较小的问题规模，
findInterval（）
或包装
findInterval（）
的函数似乎是最快的方法，而对于增加问题规模，滚动连接则是最快的方法

对于较大的问题大小，内存分配（见表）可能会成为一个问题，这也可能会影响性能。
如果我理解正确，OP正在寻找一种有效的方法，从给定上限的匹配右闭区间中选择一个值

对于大型数据集，滚动联接可能值得一看：

library(data.table)
setDT(df.int)[data.table(n1), on = .(Upper.Limit = n1), roll = -Inf]$Value

或者，根据OP的需要更换
n1

n1 <- setDT(df.int)[data.table(n1), on = .(Upper.Limit = n1), roll = -Inf]$Value


请注意对数时间刻度

对于较小的问题规模，
findInterval（）
或包装
findInterval（）
的函数似乎是最快的方法，而对于增加问题规模，滚动连接则是最快的方法

对于较大的问题，内存分配（见表）可能会成为一个问题，这也可能会影响性能。
可以从
findInterval（n1，df.int$Upper.Limit）开始
。通过使用相应间隔的第二列的值覆盖
n1
的值，您是指列
值的值吗？区间的哪一个极限，下限还是上限？是的，我想用
value
列的相应值覆盖
n1
。通常，区间定义为
上限[i-1]findInterval（n1，df.int$Upper.Limit）
开始。通过用相应间隔的第二列的值覆盖
n1
的值，您是指列
值
的值吗？区间的哪一个极限，下限还是上限？是的，我想用
value
列的相应值覆盖
n1
。通常，区间定义为
上限[i-1]DF[[colValues]][i+1]
，因为它使用的是之前间隔的
值。谢谢，非常有效，速度非常快。只需将其调整为
DF[[colValues]][i+1]
，否则它将使用之前间隔的
值。
library(ggplot2)
autoplot(bm)