R - 选择满足多个条件的矩阵行的最快方法

Posted 2023-03-14

【中文标题】R - 选择满足多个条件的矩阵行的最快方法

【英文标题】：R - fastest way to select the rows of a matrix that satisfy multiple conditions

【发布时间】：2013-08-10 07:30:39

【问题描述】：

这是对 R 中returning the rows of a matrix that meet a condition 问题的扩展。假设我有矩阵：

       one two three four
 [1,]   1   6    11   16
 [2,]   2   7    12   17
 [3,]   3   8    11   18
 [4,]   4   9    11   19
 [5,]   5  10    15   20
 [6,]   1   6    15   20
 [7,]   5   7    12   20

我想尽快返回所有行，其中matrix$two == 7 AND matrix$three == 12。这是我知道的方法：

 out <- mat[mat$two == 7,]
 final_out <- out[out$three == 12, ]

显然应该有一种方法可以在单行中获取final_out 的内容，例如：final_out <- which(mat$two == 7 && mat$three == 12)，这比上面的两行代码更快更简洁。

返回这个多条件矩阵查询的最快 R 代码是什么？

【参考方案1】：

将which 与arr.ind=TRUE 一起使用，如下所示：

> mat[which(mat[,"two"]==7 & mat[,"three"] == 12, arr.ind = TRUE),]
  one two three four
2   2   7    12   17
7   5   7    12   20

【讨论】：

或mat[mat[,"two"] == 7 & mat[,"three"] == 12,]

我没有完整阅读这个问题，也没有意识到 OP 已经使用了which

$ 子设置是否适合矩阵？我收到一个错误。

【参考方案2】：

只需使用 [ 子集和逻辑比较...

#  Reproducible data
set.seed(1)
m <- matrix( sample(12,28,repl=T) , 7 , 4 )
     [,1] [,2] [,3] [,4]
[1,]    4    8   10    3
[2,]    5    8    6    8
[3,]    7    1    9    2
[4,]   11    3   12    4
[5,]    3    3    5    5
[6,]   11    9   10    1
[7,]   12    5   12    5


#  Subset according to condition
m[ m[,2] == 3 & m[,3] == 12 , ]
[1] 11  3 12  4

【参考方案3】：

R 中绝对最快的方法是ifelse，与if 不同，它允许向量化条件。您还可以缓存条件向量（例如isSeven <- mat[, 'two'] == 7）并在以后使用/重用它们。

我这里没有可重现的例子，但我会做类似的事情

ifelse(mat[, 'two'] == 7 & mat[, 'three'] == 12, "both", "not both")

您可以在其中添加其他条件，或者让它返回任何会导致一致向量的内容。

【讨论】：

我不认为ifelse 会比逻辑子集更快。毕竟，这正是ifelse 在内部所做的。

【参考方案4】：

使用 MICROBENCHMARK 更新：

使用基准会给出相反的答案。 @SimonO101 给出的答案似乎提供了一个稍微快一点的实现。

require(microbenchmark)
set.seed(1)
m <- matrix( sample(12,100,repl=T) , 25 , 4 )
colnames(m) <- c("one","two","three","four")

bench1 <- microbenchmark(m[which(m[,'two']==7 & m[,'three'] == 12, arr.ind = TRUE),])
summary(bench1$time)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   7700    8750    9449    9688    9800   22400

bench2 <- microbenchmark(m[ m[,2] == 3 & m[,3] == 12 , ])
summary(bench2$time)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   6300    7350    7351    7599    8050   15400

旧答案：

结合@Jiber 和@SimonO101 给出的答案给出了一个稍微快一点的答案，至少在我的电脑上是这样。

我将矩阵做得更大以分隔计算时间。

set.seed(1)
m <- matrix( sample(12,1000000000,repl=T) , 1e8 , 10 )
colnames(m) <- c("one","two","three","four","five","six","seven","eight","nine","ten")

system.time(m[which(m[,'two']==7 & m[,'three'] == 12, arr.ind = TRUE),])
   user  system elapsed 
   6.49    1.58    8.06 
system.time(m[ m[,2] == 3 & m[,3] == 12 , ])
   user  system elapsed 
   8.23    1.29    9.52 

这显然假设矩阵列已命名。

【讨论】：

您应该使用library(microbenchmark) 来计算时间……它更可靠。

@Thomas 感谢您的提示。这是我第一次尝试基准测试。安装包后我会更新答案。

这可能需要一点时间...环顾四周，您会看到人们如何使用它的其他示例。

【参考方案5】：

如果您有很多行，最好先进行子集化，如以下代码所示

set.seed(1)
m <- matrix( sample(12,28,repl=T) , 12e6 , 4 )

#  Subset according to condition
microbenchmark(sample0=m[ m[,2] == 3 & m[,3] == 12 , ],times = 10L)

microbenchmark(sample1=m[ m[,2] == 3, ],
           sample2= sample1[sample1[,3] == 12, ],times = 10L)

结果如下：

microbenchmark(sample0=m[ m[,2] == 3 & m[,3] == 12 , ],times = 10L)
Unit: milliseconds
expr        min         lq        mean     median         uq        max neval
sample0 342.085212 347.333083 381.6039635 349.920741 375.383425 584.068743    10
microbenchmark(sample1=m[ m[,2] == 3, ],
              sample2= sample1[sample1[,3] == 12, ],times = 10L)
Unit: milliseconds
expr        min         lq        mean      median         uq        max neval cld
 sample1 188.647995 189.832552 215.9355769 194.2375715 199.118962 404.631420    10   b
 sample2   5.097811   5.262028   5.3260160   5.2868025   5.401471   5.571351    10  a