我想将我的 python 代码的某些部分改编为 R,但不知道如何在那里解决它。
我有一个大型数据集(约 5 Mio 行),其中包含一些 ML 培训的结果。现在我想通过定义它们是否达到“目标范围”来限定结果。此“目标范围”包含 -0.25
和 +0.25
之间的所有值。如果在此范围内,则为 Hit
,如果低于 Low
和另一侧 High
。
df = data.frame(Type=c("RF", "RF", "RF", "MLP", "MLP", "MLP"),
Value=c(-1.5, -0.1, 1.7, 0.2, -0.7, -0.6))
df
+--------+---------+
| Type | Value |
+--------+---------|
| RF | -1.5 | <- Low
| RF | -0.1 | <- Hit
| RF | 1.7 | <- High
| MLP | 0.2 | <- Hit
| MLP | -0.7 | <- Low
| MLP | -0.6 | <- Low
+--------+---------+
在 python python pandas 中我可以解决它:
(df.assign(group=pd.cut(df['Value'],
[float('-inf'), -0.25, 0.25, float('inf')],
labels=['Low', 'Hit', 'High']))
.pivot_table(index='Type', columns='group', values='Value', aggfunc='count')
.reset_index()
.rename_axis(None, axis=1)
)
有人可以帮助我如何使其适应 R 吗?无论是 native R
、data.table
还是 dplyr
都无所谓,我愿意接受任何方法。然而,越快越好:-)
预期输出
df_expected = data.frame(Type=c("RF", "MLP"), "Low"=c(1,2), "Hit"=c(1,1), "High"=c(1,0))
+--------+-------+-------+--------+
| Type | Low | Hit | High |
+--------+-------+-------+--------|
| RF | 1 | 1 | 1 |
| MLP | 2 | 1 | 0 |
+--------+-------+-------+--------+
最佳答案
我看到您的数据有点大。我会使用 data.table
来满足您的需要,因为您会更快地获得结果。
这就是我构建脚本以实现您想要的方式的方式。 data.table
的优化函数 fcase
(像 SQL 的 CASE WHEN 一样工作)和 dcast
在这里使用,同时我还创建了类 错误
来说明不属于您的预定义条件的观察。
library(data.table)
df = data.frame(Type=c("RF", "RF", "RF", "MLP", "MLP", "MLP"),
Value=c(-1.5, -0.1, 1.7, 0.2, -0.7, -0.6))
df = as.data.table(df)
df[, class := fcase(Value >= -0.25 & Value <= 0.25, "Hit",
Value < -0.25, "Low",
Value > 0.25, "High",
default = "error")]
dcast(df, Type ~ class, value.var = "class")
输出:
Type High Hit Low
1: MLP 0 1 2
2: RF 1 1 1
关于r - 按条件 [Low, Hit, High] 分组并创建三个新列(R 中的 pandas 等效项),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/74080052/