泛化 R %in% 运算符以匹配元组

Posted 2023-02-21

【中文标题】泛化 R %in% 运算符以匹配元组

【英文标题】：Generalize R %in% operator to match tuples

【发布时间】：2014-04-20 07:08:05

【问题描述】：

前几天我花了一段时间寻找一种方法来检查行向量是否包含在 R 中的某些行向量中。基本上，我想概括 %in% 运算符以匹配元组而不是每个条目在一个向量中。例如，我想要：

row.vec = c("A", 3)
row.vec
# [1] "A" "3"

data.set = rbind(c("A",1),c("B",3),c("C",2))
data.set
#      [,1] [,2]
# [1,] "A"  "1" 
# [2,] "B"  "3" 
# [3,] "C"  "2" 

row.vec %tuple.in% data.set
# [1] FALSE

对于我虚构的运算符 %tuple.in%，因为行向量 c("A",3) 不是 data.set 中的行向量。使用%in% 运算符给出：

row.vec %in% data.set
# [1] TRUE TRUE

因为“A”和 3 在data.set 中，这不是我想要的。

我有两个问题。首先，有什么好的现有解决方案吗？

其次，由于我找不到它们（即使它们存在），我尝试编写自己的函数来完成它。它适用于行向量的输入矩阵，但我想知道是否有专家提出改进：

is.tuple.in <- function(matrix1, matrix2)

     # Apply rbind() so that matrix1 has columns even if it is a row vector.
     matrix1 = rbind(matrix1)

     if(ncol(matrix1) != ncol(matrix2)) 
      stop("Matrices must have the same number of columns.") 

     # Now check for the first row and handle other rows recursively
     row.vec = matrix1[1,]
     tuple.found = FALSE
     for(i in 1:nrow(matrix2))
          # If we find a match, then this row exists in matrix 2 and we can break the loop
          if(all(row.vec == matrix2[i,]))
               tuple.found = TRUE
               break
          
     

     # If there are more rows to be checked, use a recursive call
     if(nrow(matrix1) > 1)
          return(c(tuple.found, is.tuple.in(matrix1[2:nrow(matrix1),],matrix2)))
      else 
          return(tuple.found)
     

我发现了一些我不知道如何解决的问题。首先，我希望在函数开始时明确基本情况。我没能做到这一点，因为我在递归调用中传递了matrix1[2:nrow(matrix1),]，如果matrix1 有一行，则会产生错误。因此，我没有遇到matrix1 为空的情况，而是在最后有一个 if 条件来决定是否需要更多迭代。

其次，我认为在开始时使用rbind() 很草率，但是当matrix1 减少到单行时我需要它。如果不使用rbind()，ncol(matrix1) 在 1 行情况下会产生错误。我认为我的问题与缺乏关于 R 数据类型的知识有关。

任何帮助将不胜感激。

【问题讨论】：

***.com/questions/7943695/matrix-in-matrix对此有一些解决方案

【参考方案1】：

我想知道你是否把它弄得比现在更复杂一些。例如，

set.seed(1618)
vec <- c(1,3)
mat <- matrix(rpois(1000,3), ncol = 2)
rownames(mat) <- 1:nrow(mat)


mat[sapply(1:nrow(mat), function(x) all(vec %in% mat[x, ])), ]

# gives me this
#     [,1] [,2]
# 6      3    1
# 38     3    1
# 39     3    1
# 85     1    3
# 88     1    3
# 89     1    3
# 95     3    1
# 113    1    3
# ...

如果您关心订单，可以进一步细分 或者你可以稍微修改一下函数：

mat[sapply(1:nrow(mat), function(x) 
  all(paste(vec, collapse = '') %in% paste(mat[x, ], collapse = ''))), ]

#      [,1] [,2]
# 85     1    3
# 88     1    3
# 89     1    3
# 113    1    3
# 133    1    3
# 139    1    3
# 187    1    3
# ...

另一个向量更长的例子

set.seed(1618)
vec <- c(1,4,5,2)
mat <- matrix(rpois(10000, 3), ncol = 4)
rownames(mat) <- 1:nrow(mat)

mat[sapply(1:nrow(mat), function(x) all(vec %in% mat[x, ])), ]

#      [,1] [,2] [,3] [,4]
# 57      2    5    1    4
# 147     1    5    2    4
# 279     1    2    5    4
# 303     1    5    2    4
# 437     1    5    4    2
# 443     1    4    5    2
# 580     5    4    2    1
# ...

我看到一对匹配的：

mat[sapply(1:nrow(mat), function(x) 
  all(paste(vec, collapse = '') %in% paste(mat[x, ], collapse = ''))), ]

#      [,1] [,2] [,3] [,4]
# 443     1    4    5    2
# 901     1    4    5    2
# 1047    1    4    5    2

但只有三个

对于您的单行案例：

vec <- c(1,4,5,2)
mat <- matrix(c(1,4,5,2), ncol = 4)
rownames(mat) <- 1:nrow(mat)

mat[sapply(1:nrow(mat), function(x) 
  all(paste(vec, collapse = '') %in% paste(mat[x, ], collapse = ''))), ]

# [1] 1 4 5 2

这是上面代码的一个简单函数

is.tuplein <- function(vec, mat, exact = TRUE)   
  rownames(mat) <- 1:nrow(mat)
  if (exact) 
    tmp <- mat[sapply(1:nrow(mat), function(x) 
      all(paste(vec, collapse = '') %in% paste(mat[x, ], collapse = ''))), ]
  else tmp <- mat[sapply(1:nrow(mat), function(x) all(vec %in% mat[x, ])), ]
  return(tmp)


is.tuplein(vec = vec, mat = mat)
# [1] 1 4 5 2

似乎可行，所以让我们自己创建%in% 运算符：

`%tuple%` <- function(x, y) is.tuplein(vec = x, mat = y, exact = TRUE)
`%tuple1%` <- function(x, y) is.tuplein(vec = x, mat = y, exact = FALSE)

试一试

set.seed(1618)
c(1,2,3) %tuple% matrix(rpois(1002,3), ncol = 3)

#     [,1] [,2] [,3]
# 133    1    2    3
# 190    1    2    3
# 321    1    2    3

set.seed(1618)
c(1,2,3) %tuple1% matrix(rpois(1002,3), ncol = 3)

#     [,1] [,2] [,3]
# 48     2    3    1
# 64     2    3    1
# 71     1    3    2
# 73     3    1    2
# 108    3    1    2
# 112    1    3    2
# 133    1    2    3
# 166    2    1    3

【讨论】：

我想先粘贴，就像斯蒂芬的回答一样，应该比逐行粘贴要快。 +1 用于实际制作 %tuple.in% 运算符。

使用sapply()绝对是个好主意；这是我不熟悉的众多 R 功能之一。感谢您的帖子。

【参考方案2】：

这是否符合您的要求（即使超过 2 列）？

paste(row.vec,collapse="_") %in% apply(data.set,1,paste,collapse="_")

【讨论】：

row.vec = 'c('a_b', 'c')'; data.set = data.frame('a', 'b_c') - 显然这不是一个通用的解决方案。它可以通过转义分隔符变得通用，但它不漂亮，也不高效。