Question

我在R代码中使用"%within[]%" <- function(x,y){x>=y[1] & x<=y[2]}（意思是x在紧凑集y中），但我很确定它非常慢。你有更快的东西吗？它需要适用于定义>的所有内容。

编辑：x可以是一个向量，y一个2元素向量按升序排列......

EDIT2：奇怪的是，没有人（据我所知）编写了一个包rOperator来实现快速C运算符，例如%w/i[]%, %w/i[[%, ...

EDIT3：我意识到我的问题过于笼统，因为x,y上的假设会修改任何结果，我想我们应该关闭它，谢谢你的意见。

Answer 1

"%within[]%" <- function(x,y){x>=y[1] & x<=y[2]}

x <- 1:10
y <- c(3,5)

x %within[]% y
"%within[]2%" <- function(x,y) findInterval(x,y,rightmost.closed=TRUE)==1
x %within[]2% y

library(microbenchmark)

microbenchmark(x %within[]% y,x %within[]2% y)

Unit: microseconds
             expr   min    lq median    uq    max
1  x %within[]% y 1.849 2.465 2.6185 2.773 11.395
2 x %within[]2% y 4.928 5.544 5.8520 6.160 37.265

x <- 1:1e6
microbenchmark(x %within[]% y,x %within[]2% y)

Unit: milliseconds
             expr      min       lq   median       uq      max
1  x %within[]% y 27.81535 29.60647 31.25193 56.68517 88.16961
2 x %within[]2% y 20.75496 23.07100 24.37369 43.15691 69.62122

这可能是Rcpp的工作。

Answer 2

通过简单的Rcpp实现，您可以获得较小的性能提升：

library(Rcpp)
library(microbenchmark)

withinR <- function(x,y) x >= y[1] & x <= y[2]
cppFunction("LogicalVector withinCpp(const NumericVector& x, const NumericVector& y) {
  double min = y[0], max = y[1];

  int n = x.size();
  LogicalVector out(n);

  for(int i = 0; i < n; ++i) {
    double val = x[i];
    if (NumericVector::is_na(val)) {
      out[i] = NA_LOGICAL;
    } else {
      out[i] = val >= min & val <= max;
    }

  }
  return out;
}")

x <- sample(100, 1e5, rep = T)

stopifnot(all.equal(withinR(x, c(25, 50)), withinCpp(x, c(25, 50))))

microbenchmark(
  withinR(x, c(25, 50)),
  withinCpp(x, c(25, 50))
)

C ++版本在我的电脑上快了大约4倍。如果你想使用更多的Rcpp技巧，你可能会进一步调整它，但这似乎已经很快了。即使R版本需要在它可能成为瓶颈之前被频繁调用。

# Unit: microseconds
#                      expr  min   lq median   uq  max
# 1 withinCpp(x, c(25, 50))  635  659    678 1012 27385
# 2   withinR(x, c(25, 50)) 1969 2031   2573 2954 4082

Answer 3

嗯，我不知道这是否会被认为是缓慢的，但这里有一些基准：

R> within <- function(x,y){return(x>=y[1] & x<=y[2])}
R> microbenchmark(within(2,c(1,5)))
Unit: microseconds
               expr   min     lq median    uq    max neval
 within(2, c(1, 5)) 2.667 2.8305 2.9045 2.969 15.818   100

R> within2 <- function(x,y) x>=y[1] & x<=y[2]
R> microbenchmark(within2(2,c(1,5)))
Unit: microseconds
                expr   min     lq median    uq    max neval
 within2(2, c(1, 5)) 2.266 2.3205  2.398 2.483 12.472   100

R> microbenchmark(2>=1 & 2<=5)
Unit: nanoseconds
            expr min    lq median  uq  max neval
 2 >= 1 & 2 <= 5 781 821.5    850 911 5701   100

因此，如Konrad Rudolph所建议的那样省略return似乎加速了一些事情。但是不写函数要快得多。

Answer 4

如果x包含许多值，则基于树的结构可提供更好的性能。如果您可以将要求限制为数值，则有2个选项

可以在Bioconductor包IRanges中找到整数间隔树的实现。

默认情况下，RSQLite正在编译启用了rtrees的嵌入式SQLite库。这可以用于任何数值。

内部最快的R实现

4 个答案: