Question

在R中执行多个逻辑比较的最快方法是什么？

例如考虑向量x

set.seed(14)
x = sample(LETTERS[1:4], size=10, replace=TRUE)

我想测试x的每个条目是“A”还是“B”（而不是其他任何东西）。以下作品

x == "A" | x == "B"
[1]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE

上面的代码在整个向量的长度上循环三次。 R中是否有一种方法只循环一次并测试每个项目是否满足一个或另一个条件？

Answer 1

如果你的目标只是为了一次通过，那么即使你没有太多的C ++经验，在Rcpp中编写也是非常简单的：

#include <Rcpp.h>

// [[Rcpp::export]]
Rcpp::LogicalVector single_pass(Rcpp::CharacterVector x, Rcpp::String a, Rcpp::String b) {
  R_xlen_t i = 0, n = x.size();
  Rcpp::LogicalVector result(n);

  for ( ; i < n; i++) {
    result[i] = (x[i] == a || x[i] == b);
  }

  return result;
}

对于像你的例子中使用的那样小的对象，.Call（可能）的轻微开销掩盖了Rcpp版本的速度，

r_fun <- function(X) X == "A" | X == "B"
##
cpp_fun <- function(X) single_pass(X, "A", "B")
##
all.equal(r_fun(x), cpp_fun(x))
#[1] TRUE
microbenchmark::microbenchmark(
  r_fun(x), cpp_fun(x), times = 1000L)
#Unit: microseconds
#expr         min    lq     mean median     uq    max neval
#r_fun(x)   1.499 1.584 1.974156 1.6795 1.8535 37.903  1000
#cpp_fun(x) 1.860 2.334 3.042671 2.7450 3.1140 51.870  1000

但是对于较大的向量（我假设这是你的真实意图），它会快得多：

x2 <- sample(LETTERS, 10E5, replace = TRUE)
##
all.equal(r_fun(x2), cpp_fun(x2))
# [1] TRUE
microbenchmark::microbenchmark(
  r_fun(x2), cpp_fun(x2), times = 200L)
#Unit: milliseconds
#expr              min        lq      mean    median        uq      max neval
#r_fun(x2)   78.044518 79.344465 83.741901 80.999538 86.368627 149.5106   200
#cpp_fun(x2)  7.104929  7.201296  7.797983  7.605039  8.184628  10.7250   200

如果您对此有任何用处，可以在quick attempt概括上述内容。

在R中执行多个逻辑比较的最快方法是什么？

1 个答案: