我正在尝试找到一个更快速的替代品来查找R中的重复项。代码的目的是将矩阵传递给Rcpp,其中包含来自该矩阵的行号,然后循环遍历整个矩阵,寻找匹配行。有问题的矩阵是一个1000行和250列的逻辑矩阵。
听起来很简单,但下面的代码没有检测到等效的矢量行。我不确定它是否与equal()函数有关,或者是如何定义矩阵或向量的。
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::plugins]]
#include <cstddef> // std:size_t
#include <iterator> // std:begin, std::end
#include <vector> // std::vector
#include <iostream>
#include <string>
// [[Rcpp::export]]
bool dupCheckRcpp (int nVector,
LogicalMatrix bigMatrix) {
// initialize
int i, j, nrow, ncol;
nrow = bigMatrix.nrow();
ncol = bigMatrix.ncol();
LogicalVector vec(ncol); // holds vector of interest
LogicalVector vecMatrix(ncol); // temp vector for loop through bigMatrix
nVector = nVector - 1;
// copy bigMatrix data into vec based on nVector row
for ( j = 0; j < ncol; ++j ) {
vec(j) = bigMatrix(nVector,j);
}
// check loop: check vecTeam against each row in allMatrix
for (i = 0; i < nrow; ++i) {
// copy bigMatrix data into vecMatrix
for ( j = 0; j < ncol; ++j ) {
vecMatrix(j) = bigMatrix(i,j);
}
// check for equality
if (i != nVector) { // skip if nVector row
// compare vecTeam to vecMatrix
if (std::equal(vec.begin(),vec.end(),vecMatrix.begin())) {
return true;
}
}
} // close check loop
return false;
}
答案 0 :(得分:3)
我不确定代码中的错误在哪里,但请注意,您真的不需要在Rcpp类型之间手动复制元素,如下所示:
// copy bigMatrix data into vec based on nVector row
for (j = 0; j < ncol; ++j) {
vec(j) = bigMatrix(nVector, j);
}
几乎总会有一个合适的类和/或适当的赋值操作符等,这使您可以更简洁,更安全地完成此操作(即不太容易出现编程错误)。这是一个更简单的实现:
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::export]]
bool is_duplicate_row(R_xlen_t r, LogicalMatrix x) {
R_xlen_t i = 0, nr = x.nrow();
const LogicalMatrix::Row& y = x.row(r);
for (; i < r; i++) {
if (is_true(all(y == x.row(i)))) {
return true;
}
}
for (i = r + 1; i < nr; i++) {
if (is_true(all(y == x.row(i)))) {
return true;
}
}
return false;
}
本着上述建议的精神,
const LogicalMatrix::Row& y = x.row(r);
为我们提供了对矩阵的r
行的持续引用x.row(i)
指的是i
x
行
这两个表达式都避免了通过for
循环进行元素复制,并且IMO更具可读性。此外,尽管使用std::equal
或任何其他标准算法肯定没有问题,但使用Rcpp等糖表达式(例如is_true(all(y == x.row(i)))
)通常可以进一步简化代码。
set.seed(123)
m <- matrix(rbinom(1000 * 250, 1, 0.25) > 0, 1000)
m[600,] <- m[2,]
which(sapply(1:nrow(m) - 1, is_duplicate_row, m))
# [1] 2 600
c(which(duplicated(m, fromLast = TRUE)), which(duplicated(m)))
# [1] 2 600