R - 选择满足多个条件的矩阵行的最快方法

Posted

技术标签:

【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 &lt;- which(mat$two == 7 &amp;&amp; mat$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?

【问题讨论】:

【参考方案1】:

whicharr.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】:

mat[mat[,"two"] == 7 &amp; 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

【讨论】:

【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 &lt;- 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 

【讨论】:

以上是关于R - 选择满足多个条件的矩阵行的最快方法的主要内容,如果未能解决你的问题,请参考以下文章

MYSQL 存储过程 - 如果满足某些条件,则更新多个列

R语言dataframe计算满足筛选条件的行的个数(筛选满足条件的数据行并计数):类似于excel的countif函数

jQuery:选择 tr 的 td 满足多个条件

R:建立积分矩阵的最快方法?

用 SQLite 选择满足多个条件(但不是一起)的孩子的父记录

在其他列中选择满足多个条件的列值