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 <- 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?
【问题讨论】:
【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
【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 <- 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
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