Question

我有一个值向量，称之为X，数据帧，称之为dat.fram。我想运行类似“grep”或“which”的东西来查找与X的每个元素匹配的dat.fram [，3]的所有索引。

这是我在下面的非常低效的循环。请注意，X中有许多观察值，“match.ind”的每个成员可以有零个或多个匹配。此外，dat.fram有超过100万次观测。有没有办法在R中使用向量函数来提高这个过程的效率？

最终，我需要一个列表，因为我将列表传递给另一个函数，该函数将从dat.fram中检索适当的值。

代码：

match.ind=list()

for(i in 1:150000){
    match.ind[[i]]=which(dat.fram[,3]==X[i])
}

Answer 1

<强>更新

好的，哇，我刚刚找到了一个很棒的方法来做到这一点......它非常光滑。想知道它是否在其他环境中有用......？！

### define v as a sample column of data - you should define v to be 
### the column in the data frame you mentioned (data.fram[,3]) 

v = sample(1:150000, 1500000, rep=TRUE)

### now here's the trick: concatenate the indices for each possible value of v,
### to form mybiglist - the rownames of mybiglist give you the possible values
### of v, and the values in mybiglist give you the index points

mybiglist = tapply(seq_along(v),v,c)

### now you just want the parts of this that intersect with X... again I'll
### generate a random X but use whatever X you need to

X = sample(1:200000, 150000)
mylist = mybiglist[which(names(mybiglist)%in%X)]

就是这样！作为检查，让我们看一下mylist的前三行：

> mylist[1:3]

$`1`
[1]  401143  494448  703954  757808 1364904 1485811

$`2`
[1]  230769  332970  389601  582724  804046  997184 1080412 1169588 1310105

$`4`
[1]  149021  282361  289661  456147  774672  944760  969734 1043875 1226377

在3处有一个间隙，因为3中没有出现3（即使它出现在v中）。而且列为4的数字是v中的索引点，其中显示4：

> which(X==3)
integer(0)

> which(v==3)
[1]  102194  424873  468660  593570  713547  769309  786156  828021  870796  
883932 1036943 1246745 1381907 1437148

> which(v==4)
[1]  149021  282361  289661  456147  774672  944760  969734 1043875 1226377

最后，值得注意的是，出现在X但不在v中的值在列表中没有条目，但这可能是你想要的，因为它们是NULL！

额外注意事项：您可以使用以下代码为X中的每个成员创建一个NA条目，而不是v ...

blanks = sort(setdiff(X,names(mylist)))
mylist_extras = rep(list(NA),length(blanks))
names(mylist_extras) = blanks
mylist_all = c(mylist,mylist_extras)
mylist_all = mylist_all[order(as.numeric(names(mylist_all)))]

相当不言自明：mylist_extras是一个列表，其中包含您需要的所有其他列表内容（名称是名称中没有特征的X值（mylist），列表中的实际条目只是NA）。最后两行首先合并mylist和mylist_extras，然后执行重新排序，以便mylist_all中的名称按数字顺序排列。这些名称应该与向量X中的（唯一）值完全匹配。

干杯！：）

以下的原始帖子......明显被上面取代了！

这是一个带有tapply的玩具示例，可能会更快地运行...我使X和d相对较小，所以你可以看到发生了什么：

X = 3:7
n = 100
d = data.frame(a = sample(1:10,n,rep=TRUE), b = sample(1:10,n,rep=TRUE), 
               c = sample(1:10,n,rep=TRUE), stringsAsFactors = FALSE)

tapply(X,X,function(x) {which(d[,3]==x)})

矢量版本/矢量化等于R中的等于循环

1 个答案: