R语言大向量组归属估算的高效替代方法问询

你当前的代码通过sapply遍历每个元素，逐个匹配区间条件，这种循环式处理在面对10万级大向量时效率极低——每次判断都要遍历整个Interval数据框，时间复杂度为O(n*m)，数据量越大耗时越明显。

优化方案：使用base R的findInterval函数 #

findInterval是base R内置的向量化函数，内部采用二分查找实现区间匹配，时间复杂度仅为O(n log m)，能大幅提升处理速度。你的区间规则是左闭右开（lowerLimit <= i < upperLimit），刚好符合findInterval的默认匹配逻辑。

优化后的代码

# 定义区间
Interval = data.frame(
  lowerLimit = c(0, 13.31, 14.1, 14.52, 15.9, 17.88, 20.85, 22.14, 22.6, 23.49, 
                 24.31, 26.54, 27.29, 32.41, 33.49, 35.08, 38.25, 41.84, 46, 47.35, 
                 47.85, 48.13, 48.25, 48.8, 50.83, 51.55, 53.22, 54.21, 55.94, 
                 56.31, 58.09, 58.35, 59.92, 60.78, 64.9, 68.7, 72.79, 77.27, 
                 78.38, 79.04, 80.61, 85.52, 86.25, 86.63, 88.05, 90.07, 90.25, 
                 95.13, 96.88, 98.47, 99.77),
  upperLimit = c(13.31, 14.1, 14.52, 15.9, 17.88, 20.85, 22.14, 22.6, 23.49, 
                 24.31, 26.54, 27.29, 32.41, 33.49, 35.08, 38.25, 41.84, 46, 47.35, 
                 47.85, 48.13, 48.25, 48.8, 50.83, 51.55, 53.22, 54.21, 55.94, 
                 56.31, 58.09, 58.35, 59.92, 60.78, 64.9, 68.7, 72.79, 77.27, 
                 78.38, 79.04, 80.61, 85.52, 86.25, 86.63, 88.05, 90.07, 90.25, 
                 95.13, 96.88, 98.47, 99.77, 100)
)

set.seed(1)
Num = runif(100000, 0, 100)

# 快速匹配区间归属
result = findInterval(Num, Interval$upperLimit) + 1

关键说明 #

1. 匹配逻辑对齐：findInterval(x, vec)返回x落在vec划分的左闭右开区间的索引（从0开始），加1后就和原代码中which返回的索引完全一致。
2. 区间有序性：findInterval要求vec（即这里的Interval$upperLimit）是递增的，你的区间数据已经满足该条件，无需额外排序。
3. 结果验证：可通过对比少量元素的结果确认正确性：

   original_sample = sapply(Num[1:10], function(i) which(Interval$lowerLimit <= i & Interval$upperLimit > i))
   new_sample = findInterval(Num[1:10], Interval$upperLimit) + 1
   all.equal(original_sample, new_sample) # 返回TRUE，说明结果一致
   

内容的提问来源于stack exchange，提问作者Bogaso