如何访问向量中的最后一个值？
Posted
技术标签:
【中文标题】如何访问向量中的最后一个值？【英文标题】：How to access the last value in a vector? 【发布时间】：2010-09-09 19:08:41 【问题描述】：假设我有一个向量嵌套在一个或两个级别的数据框中。是否有一种快速而肮脏的方式来访问最后一个值，而不使用 length() 函数？一些 ala PERL 的 $# 特殊变量？
所以我想要类似的东西：
dat$vec1$vec2[$#]
而不是
dat$vec1$vec2[length(dat$vec1$vec2)]
【问题讨论】：
我绝不是 R 专家，但一个快速的谷歌发现了这个：stat.ucl.ac.be/ISdidactique/Rhelp/library/pastecs/html/…> 似乎有一个“最后”功能。 相关：***.com/q/6136613/946850 MATLAB 具有符号“myvariable(end-k)”，其中 k 是一个小于将返回第 (length(myvariable)-k) 个元素的向量长度的整数。在 R 中会很好。 【参考方案1】：我使用tail函数：
tail(vector, n=1)
tail 的好处在于它也适用于数据帧，这与 x[length(x)] 习语不同。
【讨论】：
然而 x[length(x[,1]),] 适用于数据帧或 x[dim(x)[1],] 请注意，对于数据帧，length(x) == ncol(x) 所以这肯定是错误的，dim(x)[1] 可以更描述性地写成 nrow(x)。 @hadley - kpierce8 对x[length(x[,1]),] 的建议没有错（注意x 子集中的逗号），但肯定很尴尬。
请注意，我在下面的基准测试表明，对于较大的向量，它比 x[length(x)] 平均慢 30 倍！
如果你想通过tail(vector, n=1)-tail(vector, n=2)从向量中添加东西，则不起作用【参考方案2】：
为了回答这个问题，不是从美学角度而是从性能导向的角度来看，我将上述所有建议都放在了一个基准中。确切地说，我已经考虑了这些建议
x[length(x)]
mylast(x)，其中mylast是通过Rcpp实现的C++函数，
tail(x, n=1)
dplyr::last(x)
x[end(x)[1]]]
rev(x)[1]
并将它们应用于各种大小的随机向量（10^3、10^4、10^5、10^6 和 10^7）。在我们查看这些数字之前，我认为应该清楚的是，任何随着输入大小变得明显变慢的东西（即任何不是 O(1) 的东西）都不是一种选择。这是我使用的代码：
Rcpp::cppFunction('double mylast(NumericVector x) int n = x.size(); return x[n-1]; ')
options(width=100)
for (n in c(1e3,1e4,1e5,1e6,1e7))
x <- runif(n);
print(microbenchmark::microbenchmark(x[length(x)],
mylast(x),
tail(x, n=1),
dplyr::last(x),
x[end(x)[1]],
rev(x)[1]))
它给了我
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 171 291.5 388.91 337.5 390.0 3233 100
mylast(x) 1291 1832.0 2329.11 2063.0 2276.0 19053 100
tail(x, n = 1) 7718 9589.5 11236.27 10683.0 12149.0 32711 100
dplyr::last(x) 16341 19049.5 22080.23 21673.0 23485.5 70047 100
x[end(x)[1]] 7688 10434.0 13288.05 11889.5 13166.5 78536 100
rev(x)[1] 7829 8951.5 10995.59 9883.0 10890.0 45763 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 204 323.0 475.76 386.5 459.5 6029 100
mylast(x) 1469 2102.5 2708.50 2462.0 2995.0 9723 100
tail(x, n = 1) 7671 9504.5 12470.82 10986.5 12748.0 62320 100
dplyr::last(x) 15703 19933.5 26352.66 22469.5 25356.5 126314 100
x[end(x)[1]] 13766 18800.5 27137.17 21677.5 26207.5 95982 100
rev(x)[1] 52785 58624.0 78640.93 60213.0 72778.0 851113 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 214 346.0 583.40 529.5 720.0 1512 100
mylast(x) 1393 2126.0 4872.60 4905.5 7338.0 9806 100
tail(x, n = 1) 8343 10384.0 19558.05 18121.0 25417.0 69608 100
dplyr::last(x) 16065 22960.0 36671.13 37212.0 48071.5 75946 100
x[end(x)[1]] 360176 404965.5 432528.84 424798.0 450996.0 710501 100
rev(x)[1] 1060547 1140149.0 1189297.38 1180997.5 1225849.0 1383479 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 327 584.0 1150.75 996.5 1652.5 3974 100
mylast(x) 2060 3128.5 7541.51 8899.0 9958.0 16175 100
tail(x, n = 1) 10484 16936.0 30250.11 34030.0 39355.0 52689 100
dplyr::last(x) 19133 47444.5 55280.09 61205.5 66312.5 105851 100
x[end(x)[1]] 1110956 2298408.0 3670360.45 2334753.0 4475915.0 19235341 100
rev(x)[1] 6536063 7969103.0 11004418.46 9973664.5 12340089.5 28447454 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 327 722.0 1644.16 1133.5 2055.5 13724 100
mylast(x) 1962 3727.5 9578.21 9951.5 12887.5 41773 100
tail(x, n = 1) 9829 21038.0 36623.67 43710.0 48883.0 66289 100
dplyr::last(x) 21832 35269.0 60523.40 63726.0 75539.5 200064 100
x[end(x)[1]] 21008128 23004594.5 37356132.43 30006737.0 47839917.0 105430564 100
rev(x)[1] 74317382 92985054.0 108618154.55 102328667.5 112443834.0 187925942 100
这立即排除了任何涉及rev 或end 的内容，因为它们显然不是O(1)（并且结果表达式以非惰性方式评估）。 tail 和 dplyr::last 与 O(1) 相差不远，但它们也比 mylast(x) 和 x[length(x)] 慢得多。由于mylast(x) 比x[length(x)] 慢并且没有任何好处（相反，它是自定义的并且不能优雅地处理空向量），我认为答案很明确：请使用x[length(x)]。
【讨论】：
^ O(1) 解决方案应该是这个问题中唯一可接受的答案。 感谢您安排所有这些匿名 +1！ 我试过mylastR=function(x) x[length(x)在Rcpp中比mylast快，但比直接写x[length(x)]慢一倍
即使使用大向量也没有有意义的差异。转换为秒表明，对于最长的向量，最快的方法需要 0.000001133 秒，最慢的方法需要 0.102328667 秒（均为中位数）。好吧，在现实生活中没有人会注意到这一点。我会在这里选择可读性而不是基准。【参考方案3】：
如果您正在寻找与 Python 的 x[-1] 表示法一样好的东西，我认为您不走运。标准的成语是
x[length(x)]
但是编写一个函数来做到这一点很容易：
last <- function(x) return( x[length(x)] )
R 中缺少的这个功能也让我很恼火！
【讨论】：
请注意，如果您需要向量的最后几个元素而不仅仅是最后一个元素，则在调整此解决方案时无需执行任何复杂操作。 R 的矢量化允许你做一些事情，比如通过x[length(x)-0:3] 获取 x 的最后四个元素。【参考方案4】：
结合lindelof's 和Gregg Lind's 的想法：
last <- function(x) tail(x, n = 1)
在提示符下工作，我通常省略n=，即tail(x, 1)。
与pastecs 包中的last 不同，head 和tail（来自utils）不仅适用于向量，还适用于数据帧等，并且还可以返回数据“无需第一个/最后 n 个元素”，例如
but.last <- function(x) head(x, n = -1)
（请注意，您必须为此使用head，而不是tail。）
【讨论】：
请注意，我在下面的基准测试表明，对于较大的向量，它比x[length(x)] 平均慢 30 倍！【参考方案5】：
dplyr 包包含一个函数last()：
last(mtcars$mpg)
# [1] 21.4
【讨论】：
这基本上归结为x[[length(x)]]。
在引擎盖下类似，但有了这个答案，您不必编写自己的函数 last() 并将该函数存储在某处，就像上面几个人所做的那样。您可以提高函数的可读性，它的可移植性来自 CRAN，以便其他人可以运行代码。
也可以写成mtcars$mpg %>% last，这取决于你的喜好。
@RichScriven 不幸的是，它比x[[length(x)]] 慢得多！【参考方案6】：
我刚刚使用以下代码在 663,552 行的数据帧上对这两种方法进行了基准测试：
system.time(
resultsByLevel$subject <- sapply(resultsByLevel$variable, function(x)
s <- strsplit(x, ".", fixed=TRUE)[[1]]
s[length(s)]
)
)
user system elapsed
3.722 0.000 3.594
和
system.time(
resultsByLevel$subject <- sapply(resultsByLevel$variable, function(x)
s <- strsplit(x, ".", fixed=TRUE)[[1]]
tail(s, n=1)
)
)
user system elapsed
28.174 0.000 27.662
因此，假设您使用向量，访问长度位置会明显更快。
【讨论】：
为什么不为第二种情况测试tail(strsplit(x,".",fixed=T)[[1]],1)？对我而言，tail 的主要优点是您可以将其写在一行中。 ;)【参考方案7】：
另一种方法是取反向向量的第一个元素：
rev(dat$vect1$vec2)[1]
【讨论】：
不过这会贵！ 请注意，这是一个计算成本与输入长度成线性关系的操作；换句话说，虽然 O(n)，但不是 O(1)。另请参阅下面的基准以了解实际数字。 @anonymous 除非你使用迭代器 @James 对。但在那种情况下，你的代码也不会工作，不是吗？如果迭代器是指 iterators 包提供的内容，那么 (1) 您不能使用[1] 访问第一个元素，并且 (2) 虽然您可以将 rev 应用于迭代器，但它的行为与预期不同：它只是将迭代器对象视为其成员的列表并将其反转。【参考方案8】：
我有另一种方法可以找到向量中的最后一个元素。
假设向量是a。
> a<-c(1:100,555)
> end(a) #Gives indices of last and first positions
[1] 101 1
> a[end(a)[1]] #Gives last element in a vector
[1] 555
你去！
【讨论】：
【参考方案9】：包data.table包含last函数
library(data.table)
last(c(1:10))
# [1] 10
【讨论】：
这基本上归结为x[[length(x)]]。【参考方案10】：
关于什么
> a <- c(1:100,555)
> a[NROW(a)]
[1] 555
【讨论】：
我很欣赏NROW 在许多不同的数据类型上的表现，但它与 OP 希望避免的a[length(a)] 基本相同。使用 OP 的嵌套向量示例，dat$vec1$vec2[NROW(dat$vec1$vec2)] 仍然很混乱。
可以写成nrow
注意：与nrow 不同，NROW 将向量视为一列矩阵。【参考方案11】：
xts 包提供了last 函数：
library(xts)
a <- 1:100
last(a)
[1] 100
【讨论】：
以上是关于如何访问向量中的最后一个值？的主要内容，如果未能解决你的问题，请参考以下文章