Question

让我们假设以下数据集：

+---------------+-----------+---------------------+
| flightCarrier | saleTotal | daysBeforeDeparture |
+---------------+-----------+---------------------+
| KL            | 477.99    |                   0 |
| AF            | 457.99    |                   0 |
| SQ            | 556.31    |                   0 |
+---------------+-----------+---------------------+

我想做的是以下内容：

将列中的值与同一列中的所有其他值进行比较。
saleTotal（1）是否小于saleTotal（2）和saleTotal（3）
如果是，请拨多少钱？ saleTotal（3）/ saleTotal（1）

工单：

477,99＆lt; 457,99（假）
477,99＆lt; 556.31（真） - ＆gt; （556.31 / 477.99）-1 = 1.16（增加16％）
457.99＆lt; 477.99（真） - ＆gt; .....
457.99＆lt; 556.31（真） - ＆gt; .....
556.31＆lt; 477.99（假）
556.31＆lt; 457.99（假）

到目前为止我尝试了什么：

cal <- apply(df_matrix[1:2,2], 1, function(x) {
  A <- x
  x <- x[-1]
  ifelse(x>A, 1, ifelse(x<A, 0, NA))
})
cal

这没有成功并打印出“逻辑（0）”所以我猜没有结果。我尝试了许多方法，使用lapply，mapply，但似乎所有人都比较静态数字而不是之前的行。

我从申请中得到的是，每一个X都有一行“迭代”。这就是为什么我试图比较X＆gt; A而A是具有所有saleTotal值的整个矢量。因此，迭代每一个。

预期输出 业务输出：“价格比XY其他价格便宜”

我想这是避免使用大型矩阵并尽可能降低内存的最佳方法有没有办法直接“nrow（）”结果而不是先创建矩阵/列表？

+-----------+-------------+
| saleTotal | cheaperThan |
+-----------+-------------+
| 477.99    |           1 |
| 457.99    |           2 |
| 556.31    |           0 |
+-----------+-------------+

知道怎么做吗？性能怎么样，我有100000多行？

编辑：预期输出（单向）

Answer 1

您可以像这样使用?outer：

outer(df$saleTotal, df$saleTotal, "/")
#          [,1]     [,2]      [,3]
#[1,] 1.0000000 1.043669 0.8592152
#[2,] 0.9581581 1.000000 0.8232640
#[3,] 1.1638528 1.214677 1.0000000

值大于1表示增加，小于1的值表示减少，矩阵的对角线全部为1，因为它将每个值与自身进行比较。

当然，您可以将其修改为仅显示大于1的值，例如使用：

res <- outer(df$saleTotal, df$saleTotal, "/")
res * as.integer(res > 1)
#         [,1]     [,2] [,3]
#[1,] 0.000000 1.043669    0
#[2,] 0.000000 0.000000    0
#[3,] 1.163853 1.214677    0

或者，如果你只想要一个逻辑矩阵：

res > 1
#      [,1]  [,2]  [,3]
#[1,] FALSE  TRUE FALSE
#[2,] FALSE FALSE FALSE
#[3,]  TRUE  TRUE FALSE

Answer 2

请参阅最后关于效率的说明

根据您的预期输出，您可以迭代每个值并计算（TRUE值的总和）此值比其他所有值便宜多少时间，并将列表返回到＆＃39;对＆＃39;计数值：

sapply(data[,2],function(x) {
  list(x, sum(x < data[,2]))
})

以长格式提供：

     [,1]   [,2]   [,3]  
[1,] 477.99 457.99 556.31
[2,] 1      2      0

如果您只想在现有数据集中添加一列，则应执行以下操作：

data$cheaperThan <- sapply(data[,2],function(x) sum(x < data[,2]))

使用的数据：

> system.time(sapply(large,function(x) sum(x < large)))
utilisateur     système      écoulé 
       1.08        0.22        1.30 
> system.time(length(large) - findInterval(large,sort(large)))
utilisateur     système      écoulé 
       0.01        0.00        0.01

@alexis_laz解决方案，如果确实真的更有效：

> set.seed(123)
> test <- runif(50000)*100
> identical(sapply(test,function(x) sum(x < test)), (length(test) - findInterval(test,sort(test))))
[1] TRUE
> system.time(sapply(test,function(x) sum(x < test)))
utilisateur     système      écoulé 
      13.64        1.24       14.96 
> system.time(length(test) - findInterval(test,sort(test)))
utilisateur     système      écoulé 
       0.01        0.00        0.02

将向量中的值与所有其他向量进行比较

2 个答案: