如何使用data.table基于两列差值的相对大小创建新的二分类列

你可以直接利用data.table的按引用赋值特性实现需求，不需要额外调用ifelse/case_when，执行效率更高，和你现有代码的衔接逻辑也一致：

方法1：排序后直接赋值（最直观，符合你现有逻辑） #

library(data.table)
set.seed(123)
table <- data.table(value1 = runif(10),
                    value2 = runif(10))
x <- 5
# 生成差值列
table[, difference := value1 - value2]
# 先初始化新列为0
table[, new_binary := 0]
# 按差值降序排序，取前x行赋值为1
table[order(-difference)[1:x], new_binary := 1]

方法2：用秩函数单行实现 #

如果希望代码更简洁，可以用data.table内置的frank函数实现，支持自定义并列值的处理规则：

# ties.method可调整并列值的处理逻辑：可选"first"（先出现的优先）、"random"（随机）、"min"（所有并列值都计入）等
table[, new_binary := as.integer(frank(-difference, ties.method = "first") <= x)]

结果验证 #

输出最终表可以看到符合预期：

print(table)
#         value1     value2 difference new_binary
#  1: 0.28757752 0.95683335 -0.6692558          0
#  2: 0.78830514 0.45333416  0.3349710          1
#  3: 0.40897692 0.67757064 -0.2685937          0
#  4: 0.88301740 0.57263340  0.3103840          1
#  5: 0.94046728 0.10292468  0.8375426          1
#  6: 0.04555650 0.89982497 -0.8542685          0
#  7: 0.52810549 0.24608773  0.2820178          1
#  8: 0.89241904 0.04205953  0.8503595          1
#  9: 0.55143501 0.32792072  0.2235143          0
# 10: 0.45661474 0.95450365 -0.4978889          0

可以看到刚好差值最大的5行被标记为1，其余为0。 #

内容的提问来源于stack exchange，提问作者rw2