我很久之前就问过这个问题,但还没有找到答案。我不知道在stackoverflow上是否正规,但我想再发一遍。
我有一个R中的data.table,我想创建一个新列,为每个年/月对应的价格找到区间。
可重复示例:
set.seed(100)
DT <- data.table(year=2000:2009, month=1:10, price=runif(5*26^2)*100)
intervals <- list(year=2000:2009, month=1:10, interval = sort(round(runif(9)*100)))
intervals <- replicate(10, (sample(10:100,100, replace=T)))
intervals <- t(apply(intervals, 1, sort))
intervals.dt <- data.table(intervals)
intervals.dt[, c("year", "month") := list(rep(2000:2009, each=10), 1:10)]
setkey(intervals.dt, year, month)
setkey(DT, year, month)
我刚尝试了以下操作:
- 按月/年合并
DT
和intervals.dt
数据表, - 创建一个新的
intervalsstring
列,其中包含所有V*列到一个列字符串中(我承认这不是很优雅),最后 - 将其子字符串为向量,以便我可以在
findInterval()
中使用它,但该解决方案并不适用于每一行!
DT <- merge(DT, intervals.dt)
DT <- DT[, intervalsstring := paste(V1, V2, V3, V4, V5, V6, V7, V8, V9, V10)]
DT <- DT[, c("V1", "V2", "V3", "V4", "V5", "V6", "V7", "V8", "V9", "V10") := NULL]
DT[, interval := findInterval(price, strsplit(intervalsstring, " ")[[1]])]
我明白了
> DT
year month price intervalsstring interval
1: 2000 1 30.776611 12 21 36 46 48 51 63 72 91 95 2
2: 2000 1 62.499648 12 21 36 46 48 51 63 72 91 95 6
3: 2000 1 53.581115 12 21 36 46 48 51 63 72 91 95 6
4: 2000 1 48.830599 12 21 36 46 48 51 63 72 91 95 5
5: 2000 1 33.066053 12 21 36 46 48 51 63 72 91 95 2
---
3376: 2009 10 33.635924 12 40 45 48 50 65 75 90 96 97 2
3377: 2009 10 38.993769 12 40 45 48 50 65 75 90 96 97 3
3378: 2009 10 75.065820 12 40 45 48 50 65 75 90 96 97 8
3379: 2009 10 6.277403 12 40 45 48 50 65 75 90 96 97 0
3380: 2009 10 64.189162 12 40 45 48 50 65 75 90 96 97 7
对于第一行来说是正确的,但对于最后一行(或其他行)则不正确。例如,对于第3380行,价格约为64.19应该在第5个区间而不是第7个。我猜我的错误是通过上一条命令,找到区间只依赖于intervalsstring的第一行。
谢谢!
?data.table
并确保你理解每一个参数?我只是简单地浏览了一下这个问题,我的第一个想法是想知道你是否知道roll
、which
和可能的foverlaps()
。 - Matt Dowle