生成系列1,2,1,3,2,1,4,3,2,1,5,4,3,2,1

时间:2017-03-28 08:29:26

标签: r series seq rep

我正在尝试生成一个包含增加的反向序列的向量,例如1,2,1,3,2,1,4,3,2,1,5,4,3,2,1

我尝试使用循环,但我不知道如何堆叠或连接结果。

for (i in 1:11)
 {
 x = rev(seq(i:1))
 print(x) 
 }
[1] 1
[1] 2 1
[1] 3 2 1
[1] 4 3 2 1
[1] 5 4 3 2 1
[1] 6 5 4 3 2 1
[1] 7 6 5 4 3 2 1
[1] 8 7 6 5 4 3 2 1
[1] 9 8 7 6 5 4 3 2 1
[1] 10  9  8  7  6  5  4  3  2  1
[1] 11 10  9  8  7  6  5  4  3  2  1

我也一直在尝试使用reprevseq,这是我最喜欢的选择,但没有走得太远。

4 个答案:

答案 0 :(得分:24)

使用sequence

rev(sequence(5:1))
# [1] 1 2 1 3 2 1 4 3 2 1 5 4 3 2 1

答案 1 :(得分:8)

我们可以使用lapply

执行此操作
unlist(lapply(1:11, function(x) rev(seq(x))))

或者在评论中提及@ zx8754,代替rev(seq,可以使用:

unlist(lapply(1:11, function(x) x:1))

或者@BrodieG建议,我们可以通过删除匿名函数调用

来使其更紧凑
unlist(lapply(1:11, ":", 1))

答案 2 :(得分:8)

为了好玩,使用矩阵(并忽略警告;))

m <- matrix(c(1:5,0), ncol = 5, nrow = 5, byrow = T)
m[ upper.tri(m, diag = T) ]
# [1] 1 2 1 3 2 1 4 3 2 1 5 4 3 2 1

我们可以将upper.tri简化为其组成部分

m[ row(m) <= col(m)]
# [1] 1 2 1 3 2 1 4 3 2 1 5 4 3 2 1

如果你能处理更多的乐趣,那么基准测试如何:

library(microbenchmark)
maxValue <- 1000

vec2 <- maxValue:1
m2 <- matrix(c(1:maxValue,0), ncol = maxValue, nrow = maxValue, byrow = T)

microbenchmark(

    henrik = {
        rev(sequence(maxValue:1))
    },
    akrun = {
        unlist(lapply(1:maxValue, function(x) x:1))
    },
    symbolix1 = {
        m <- matrix(c(1:maxValue,0), ncol = maxValue, nrow = maxValue, byrow = T)
        m[ row(m) <= col(m) ]
    },
    symbolix2 = {
        m2[ row(m2) <= col(m2) ]
    },
    lmo1 = {
        unlist(lapply(1:maxValue, tail, x=maxValue:1))
    },
    lmo2 = {
        vec <- maxValue:1
        unlist(lapply(rev(vec), tail, x=vec))
    },
    lmo3 = {
        unlist(lapply(rev(vec2), tail, x=vec2))
    }
)

# Unit: milliseconds
#      expr       min        lq      mean    median        uq      max neval
#    henrik  3.342175  4.095287  5.185095  4.960354  5.703463 32.08644   100
#     akrun  1.535998  1.761439  2.159954  2.162721  2.292743 10.80862   100
# symbolix1 13.443495 15.145713 16.588118 17.145578 17.896521 20.81460   100
# symbolix2  8.640927 10.245634 11.656378 12.297788 12.791973 14.39691   100
#      lmo1 13.124813 14.301375 17.253844 14.795471 15.718820 61.09737   100
#      lmo2 13.026593 14.202633 18.042158 14.891164 17.729049 86.18921   100
#      lmo3 13.355810 14.424353 18.497383 14.876103 20.100575 76.96622   100

在这个例子中,akrun(和代理的zx8754)是赢家!

但我知道你在想什么,为什么要在那里结束所有的乐趣呢?&#39;

好吧,让我们编写自己的C ++函数,看看它是如何执行的

library(Rcpp)

cppFunction('NumericVector reverseSequence(int maxValue, int vectorLength){

                        NumericVector out(vectorLength);
                        int counter = 0;

                        for(int i = 1; i <= maxValue; i++){
                            for(int j = i; j > 0; j--){
                                out[counter] = j;
                                counter++;
                            }
                        }

                        return out;
                        }')

maxValue <- 5
reverseSequence(maxValue, sum(1:maxValue))
 [1] 1 2 1 3 2 1 4 3 2 1 5 4 3 2 1

library(microbenchmark)
maxValue <- 1000

microbenchmark(
    akrun = {
        unlist(sapply(1:maxValue, function(x) x:1))
    },
    symbolix3 = {
        reverseSequence(maxValue, sum(1:maxValue))
    }
)

# Unit: microseconds
#        expr      min        lq     mean    median       uq       max neval
#      akrun 1522.250 1631.6030 3148.922 1829.9370 3357.493 45576.148   100
#  symbolix3  338.626  495.3825 1293.720  950.6635 2169.656  3816.091   100

答案 3 :(得分:5)

另一种方法是在tail中使用lapply,以便连续选择要保留在初始向量中的元素数量:

unlist(lapply(1:5, tail, x=5:1))
 [1] 1 2 1 3 2 1 4 3 2 1 5 4 3 2 1

或者,首先构建基本向量然后调用它可能会更快:

vec <- 5:1
unlist(lapply(rev(vec), tail, x=vec))
 [1] 1 2 1 3 2 1 4 3 2 1 5 4 3 2 1