Question

非常简单的问题，我很遗憾不得不问这个问题。我希望有一个创造性思维能有比我想象的更好的解决方案。

我想找到矩阵的相邻值之间的差异，其中“type”的值相同。对于下面的例子，我想要一个值为2,6,1。

的向量

mat
     value type
[1,]  5   A
[2,]  7   A
[3,]  1   B
[4,]  2   C
[5,]  8   C
[6,]  9   C

我尝试过以两种方式实现它，但它们都很慢：

方法1：如果type(row 1) = type(row 2)，则查找value(row 2) - value(row 1)，然后递增1。如果type(row 1) != type(row 2)，则增加2。
方法2：遍历每个不同的type并找出所有差异。

大约有500,000种不同的“类型”和500万种不同的行。谁能想到更有效的方式？我正在使用语言R进行编程，其中已经有一个函数可以找到我的差异（参见：？diff）。

Answer 1

由于您说有太多行要执行此操作，因此我建议使用data.table解决方案：

require(data.table)
DT <- data.table(df) # where `df` is your data.frame

DT[, diff(value), by=type]$V1
# [1] 2 6 1

在维度数据上模拟此代码：

您的尺寸数据需要近20秒（瓶塞应该是diff）。

require(data.table)
set.seed(45)
types <- sapply(1:5e5, function(x) paste0(sample(letters, 5, TRUE), collapse=""))

DT <- data.table(value=sample(100, 5e6, TRUE), type=sample(types, 5e6, TRUE))
system.time(t1 <- DT[, diff(value), by=type]$V1)
#   user  system elapsed 
# 18.610   0.238  19.166

与tapply的其他答案进行比较：

system.time(t2 <- tapply(DT[["value"]], DT[["type"]], diff))
#   user  system elapsed 
# 48.471   0.664  51.673

另外，tapply按type对结果进行排序，而data.table key不保留原始订单。

编辑：关注@ eddi的评论：

> system.time(t3 <- DT[, value[-1]-value[-.N], by=type]$V1)
#  user  system elapsed 
# 6.221   0.195   6.641

通过删除对diff的调用，可以提高3倍。谢谢@eddi。

Answer 2

尝试：

tapply(mat[["value"]], mat[["type"]], diff)

然后你可以unlist你的结果以更整洁的格式获得它。

找到差异最有效的方法？

2 个答案:

在维度数据上模拟此代码：