Question

我有以下排序的矢量：

> v
 [1] -1  0  1  2  4  5  2  3  4  5  7  8  5  6  7  8 10 11

如何使用用户循环或隐式使用语言关键字删除-1,0和11条而不循环遍历整个向量？也就是说，我想修剪每个边缘处的向量，并且仅在每个边缘处修剪向量，使得排序的序列在我的min，max参数1和10内。解决方案应该假设向量已经排序避免检查每个元素。

当我们想要使用向量中的项作为另一个对象中的索引时，这种解决方案在非常大的向量的向量化操作中可以派上用场。对于一个应用程序，请参阅this thread。

Answer 1

通过索引在向量中包含元素：

v [2:10]

排除某些元素

v [-c (1, 11) ]

仅包含一定范围：

v <- v [v>=1 & v <=10]

如果我允许这样做，就像在你的例子中那样，要修剪的元素的数量＆lt;＆lt;向量中的元素数量，那么我认为我可以击败二进制搜索：

> n<-1e8
> v<--3:(n+3)
> 
> min <- 1
> max <- length(v)
> 
> calcMin <- function(v, minVal){
+   while(v[min] < minVal){
+       min <- min + 1
+   }
+   min
+ }
> 
> calcMax <- function(v, maxVal){
+   while(v[max] > maxVal){
+       max <- max - 1
+   }
+   max
+ }
> 
> #Compute the min and max indices and create a sequence
> system.time(a <- v[calcMin(v, 1):calcMax(v,n)])
   user  system elapsed 
  1.030   0.269   1.298 
> 
> #do a binary search to find the elements (as suggested by @nograpes)
> system.time(b <- v[do.call(seq,as.list(findInterval(c(1,n),v)))])
   user  system elapsed 
  2.208   0.631   2.842 
> 
> #use negative indexing to remove elements
> system.time(c <- v[-c(1:(calcMin(v, 1)-1), (calcMax(v,n)+1):length(v))])
   user  system elapsed 
  1.449   0.256   1.704 
> 
> #use head and tail to trim the vector
> system.time(d <- tail(head(v, n=(calcMax(v,n)-length(v))), n=-calcMin(v, 1)+1))
   user  system elapsed 
  2.994   0.877   3.871 
> 
> identical(a, b)
[1] TRUE
> identical(a, c)
[1] TRUE
> identical(a, d)
[1] TRUE

Answer 2

有很多方法可以做到，这里有一些：

> v <- -1:11 # creating your vector
> v[v %in% 1:10]
 [1]  1  2  3  4  5  6  7  8  9 10
> setdiff(v, c(-1,0,11))
 [1]  1  2  3  4  5  6  7  8  9 10
> intersect(v, 1:10)
 [1]  1  2  3  4  5  6  7  8  9 10

还有两个选项，不是那么优雅。

> na.omit(match(v, 1:10))
> na.exclude(match(v, 1:10))

Answer 3

所有先前的解决方案都隐式检查向量的每个元素。正如@Robert Kubrick指出的那样，这并没有利用向量已经排序的事实。

要利用向量的排序特性，您可以使用二进制搜索（通过findInterval）查找开始和结束索引，而无需查看每个元素：

n<-1e9
v<--3:(n+3)
system.time(a <- v [v>=1 & v <=n]) # 68 s
system.time(b <- v[do.call(seq,as.list(findInterval(c(1,n),v)))]) # 15s
identical(a,b) # TRUE

这有点笨拙，有some discussion findInterval中的二分搜索可能不完全有效，但总体思路就在那里。

正如评论中指出的，上述仅在索引位于向量中时才有效。这是一个我认为可行的功能：

in.range <- function(x, lo = -Inf, hi = +Inf) {
   lo.idx <- findInterval(lo, x, all.inside = TRUE)
   hi.idx <- findInterval(hi, x)
   lo.idx <- lo.idx + x[lo.idx] >= lo
   x[seq(lo.idx, hi.idx)]
}

system.time(b <- in.range(v, 1, n) # 15s

Answer 4

您也可以使用%in%：

 vv <- c(-1,  0  ,1  ,2  ,4  ,5,  2  ,3  ,4,  5,  7  ,8,  5,  6,  7,  8, 10, 11)
 vv[vv %in% 1:10]

 [1]  1  2  4  5  2  3  4  5  7  8  5  6  7  8 10

如何修剪R向量？

4 个答案: