在R语言中依据阈值区间为数据框添加分桶列

我有如下阈值区间网格grd：

> grd
   count  treshold
1   1      0.01
2   2      0.02
3   3      0.05
4   4      0.10
5   5      0.20

以及数据框df：

> df
    param   name
1   0.124   Tim
2   0.011   John
3   0.002   Alex
4   0.023   Jessica
5   0.056   Rose

需要用grd$treshold为df新增一列bucket，标识df$param中数值所属的区间：

• 0.124大于0.10，对应分桶编号5
• 0.011介于0.01和0.02之间，对应分桶编号2
• 以此类推，最终预期结果如下：

> df
        param   name      bucket
    1   0.124   Tim         5
    2   0.011   John        2
    3   0.002   Alex        1
    4   0.023   Jessica     3
    5   0.056   Rose        4

解决方案 #

使用R内置的findInterval()函数即可快速实现需求，该函数会返回每个数值在阈值序列中的位置索引，恰好对应grd$count的分桶编号：

# 为df添加分桶列
df$bucket <- findInterval(df$param, grd$treshold, rightmost.closed = TRUE)

# 查看结果
df

运行上述代码后，就能得到符合预期的分桶结果。

内容的提问来源于stack exchange，提问作者fredi96