编写一个将向量作为输入的函数，丢弃不需要的值，去重，并返回原始向量的相应索引

Posted 2023-02-14

【中文标题】编写一个将向量作为输入的函数，丢弃不需要的值，去重，并返回原始向量的相应索引

【英文标题】：Writing a function that takes a vector as input, throws away unwanted values, de-duplicates, and returns respective indexes of original vector

【发布时间】：2022-01-13 06:58:00

【问题描述】：

我正在尝试编写一个函数，它接收一个向量并根据几个步骤对其进行子集化：

丢弃任何不需要的值 删除重复项。 在考虑步骤 (1) 和 (2) 后返回原始向量的 索引。

例如，提供以下输入向量：

vec_animals <- c("dog", "dog", "dog", "dog", "cat", "dolphin", "dolphin")

和

throw_away_val <- "cat"

我希望我的函数 get_indexes(x = vec_animals, y = throw_away_val) 返回：

# [1] 1 6   # `1` is the index of the 1st unique ("dog") in `vec_animals`, `6` is the index of the 2nd unique ("dolphin")

另一个例子

vec_years <- c(2003, 2003, 2003, 2007, 2007, 2011, 2011, 2011)
throw_away_val <- 2003

返回：

# [1] 4 6 # `4` is the position of 1st unique (`2007`) after throwing away unwanted val; `6` is the position of 2nd unique (`2011`).

我的初步尝试

以下函数返回索引但不考虑重复项

get_index <- function(x, throw_away) 
  which(x != throw_away)

然后返回原始vec_animals 的索引，例如：

get_index(vec_animals, "cat")
#> [1] 1 2 3 4 6 7

如果我们将此输出用于子集vec_animal，我们会得到：

vec_animals[get_index(vec_animals, "cat")]
#> [1] "dog"     "dog"     "dog"     "dog"     "dolphin" "dolphin"

您可以建议对此输出进行操作，例如：

vec_animals[get_index(vec_animals, "cat")] |> unique()
#> [1] "dog"     "dolphin"

但不，我需要 get_index() 立即返回正确的索引（在本例中为 1 和 6）。

---

编辑

---

提供了一个相关程序，我们可以在其中获取第一次出现重复的索引

library(bit64)

vec_num <- as.integer64(c(4, 2, 2, 3, 3, 3, 3, 100, 100))
unipos(vec_num)
#> [1] 1 2 4 8

或者更一般的

which(!duplicated(vec_num))
#> [1] 1 2 4 8

如果不需要同时丢弃不需要的值，这样的解决方案会很棒。

【参考方案1】：

试试：

get_index <- function(x, throw_away) 
  which(!duplicated(x) & x!=throw_away)
  

> get_index(vec_animals, "cat")
[1] 1 6

【讨论】：

谢谢。如果您想丢弃多个值，可以将 x!=throw_away 更改为 !(x %in% throw_away)

如果您能详细说明解决方案起作用的机制，那就太好了（尽管不是必需的）。我知道这与R 的矢量化操作有关，但除此之外没有太多直觉。

查看各个组件的工作方式。 duplicated(x) 给出了一个布尔向量，对应于 x 的每个元素是否是先前值的副本。 x!=throwaway 也是一个布尔向量，对应于每个元素是否要被丢弃。 which 然后返回满足两个条件的x 元素的索引（即两个向量都是TRUE）。

所以第一个! 否定了整个& 表达式？还是只否定duplicates(x)？

第一个! 只否定duplicated(x)。我本可以使用括号来更清楚地说明这一点。

【参考方案2】：

这是一个提供所需信息的简单自写函数。

vec_animals <- c("dog", "dog", "dog", "dog", "cat", "dolphin", "dolphin")

get_indexes <- function(x, throw_away)
  elements <- (unique(x))[(unique(x)) != throw_away]
  index <- lapply(1:length(elements), function(i) which(x %in% elements[i]) )
  index2return <- c()
  for (j in 1:length(index)) 
    index2return <- c(index2return, min(index[[j]]))
  
  return(index2return)


get_indexes(x = vec_animals, throw_away = "cat")
[1] 1 6

【参考方案3】：

我的方法：

vec_animals <- c("dog", "dog", "dog", "dog", "cat", "dolphin", "dolphin")
throw_away_val <- "cat"

my_function <- function(x, y) 
my_df <- data.frame("Origin" = x,
                  "Position" = seq.int(from = 1, to = length(x), by = 1),
                  stringsAsFactors = FALSE)
my_var <- which(my_df$Origin %in% y)
if (length(my_var)) 
my_df <- my_df[-my_var,]

my_df <- my_df[!duplicated(my_df$Origin),]
return (my_df)


my_df <- my_function(vec_animals, throw_away_val)