我想知道找到xts
对象中与一个特定行相同的所有行的最快方法是什么
library(xts)
nRows <- 3
coreData <- data.frame(a=rnorm(nRows), b=rnorm(nRows), c=rnorm(nRows))
testXts1 <- xts(coreData, order.by=as.Date(1:nRows))
testXts2 <- xts(coreData, order.by=as.Date((nRows + 1):(2*nRows)))
testXts3 <- xts(coreData, order.by=as.Date((2*nRows + 1):(3*nRows)))
testXts <- rbind(testXts1, testXts2, testXts3)
> testXts
a b c
1970-01-02 -0.3288756 1.441799 1.321608
1970-01-03 -0.7105016 1.639239 -2.056861
1970-01-04 0.1138675 -1.782825 -1.081799
1970-01-05 -0.3288756 1.441799 1.321608
1970-01-06 -0.7105016 1.639239 -2.056861
1970-01-07 0.1138675 -1.782825 -1.081799
1970-01-08 -0.3288756 1.441799 1.321608
1970-01-09 -0.7105016 1.639239 -2.056861
1970-01-10 0.1138675 -1.782825 -1.081799
rowToSearch <- first(testXts)
> rowToSearch
a b c
1970-01-02 -0.3288756 1.441799 1.321608
indicesOfMatchingRows <- unlist(apply(testXts, 1, function(row) lapply(1:NCOL(row), function(i) row[i] == coredata(rowToSearch[, i]))))
testXts[indicesOfMatchingRows, ]
a b c
1970-01-02 -0.3288756 1.441799 1.321608
1970-01-05 -0.3288756 1.441799 1.321608
1970-01-08 -0.3288756 1.441799 1.321608
我相信这可以更优雅,更快捷地完成。
更普遍的问题是你如何在R&#34;我有这个行矩阵[5,]我怎样才能找到矩阵中其他行的(索引)与矩阵[5,]&#相同34 ;.
如何在data.table
中执行此操作?
答案 0 :(得分:8)
既然你说速度是你最关心的问题,那么你甚至可以通过Rcpp的data.table解决方案获得加速:
library(Rcpp)
cppFunction(
"LogicalVector compareToRow(NumericMatrix x, NumericVector y) {
const int nr = x.nrow();
const int nc = x.ncol();
LogicalVector ret(nr, true);
for (int j=0; j < nr; ++j) {
for (int k=0; k < nc; ++k) {
if (x(j, k) != y[k]) {
ret[j] = false;
break;
}
}
}
return ret;
}")
testXts[compareToRow(testXts, rowToSearch),]
# a b c
# 1970-01-02 1.324457 0.8485654 -1.464764
# 1970-01-05 1.324457 0.8485654 -1.464764
# 1970-01-08 1.324457 0.8485654 -1.464764
这是一个相当大的实例(有100万行)的比较:
set.seed(144)
bigXts <- testXts[sample(nrow(testXts), 1000000, replace=TRUE),]
testDT <- as.data.frame(bigXts)
josilber <- function(x, y) x[compareToRow(x, y),]
roland.base <- function(x, y) x[colSums(t(x) != as.vector(y)) == 0L,]
library(data.table)
roland.dt <- function(testDT, y) {
setDT(testDT, keep.rownames=TRUE)
setkey(testDT, a, b, c)
testDT[setDT(as.data.frame(y))]
}
library(microbenchmark)
microbenchmark(josilber(bigXts, rowToSearch), roland.base(bigXts, rowToSearch), roland.dt(testDT, rowToSearch), times=10)
# Unit: milliseconds
# expr min lq mean median uq max
# josilber(bigXts, rowToSearch) 7.830986 10.24748 45.64805 14.41775 17.37049 258.4404
# roland.base(bigXts, rowToSearch) 3530.042324 3964.72314 4288.05758 4179.64233 4534.21407 5400.5619
# roland.dt(testDT, rowToSearch) 32.826285 34.95014 102.52362 57.30213 130.51053 267.2249
此基准测试假定在调用roland.dt
之前已将对象转换为数据帧(约4秒开销),并且在调用{{1}之前已编译compareToRows
(开销约3秒) }}。 Rcpp解决方案比基本R解决方案快约300倍,比中值运行时的data.table解决方案快约4倍。基于josilber
的方法没有竞争力,每次执行时间超过60秒。
答案 1 :(得分:6)
这是一个更快的基础R解决方案:
ind <- colSums(t(testXts) != as.vector(rowToSearch)) == 0L
testXts[ind,]
以下是使用data.table join的解决方案:
library(data.table)
testDT <- as.data.frame(testXts)
setDT(testDT, keep.rownames=TRUE)
setkey(testDT, a, b, c)
testDT[setDT(as.data.frame(rowToSearch))]
但是,comparing floating point numbers时,我会保持警惕。
答案 2 :(得分:2)
这不使用data.table
但可能非常快。你可以通过哈希行来实现这一点,
library(digest)
hash <- apply(testXts, 1, digest)
testXts[which(hash[1] == hash)]
# a b c
# 1970-01-02 0.8466816 -0.7129076 -0.5742323
# 1970-01-05 0.8466816 -0.7129076 -0.5742323
# 1970-01-08 0.8466816 -0.7129076 -0.5742323
答案 3 :(得分:1)
最简单的data.table
解决方案可能是:
merge(as.data.table(testXts), as.data.table(rowToSearch, keep.rownames=FALSE))
返回:
a b c index
1: 1.685138 -0.3039018 -1.550871 1970-01-02
2: 1.685138 -0.3039018 -1.550871 1970-01-05
3: 1.685138 -0.3039018 -1.550871 1970-01-08
为什么会这样:
如果没有另外指定,merge =公共列上的内连接。此内连接仅返回与(a,b,c)值相同的列与rowToSearch。
右侧的 keep.rownames=FALSE
确保删除rowToSearch(不需要的)的日期索引,并且不会输入用于加入的公共列。