Question

测试矩阵中的行是否排序的有效方法是什么？ [更新：见Aaron的Rcpp答案 - 直截了当的＆amp;非常快。]

我移植了一些使用issorted(,'rows') from Matlab的代码。由于is.unsorted似乎没有超出向量，我正在写或寻找其他东西。天真的方法是检查矩阵（或数据框）的排序版本是否与原始版本相同，但这显然效率低下。

注意：为了排序la sortrows() in Matlab，我的代码基本上使用SortedDF <- DF[do.call(order, DF),]（它包含在一个更大的函数中，它将矩阵转换为数据帧，将参数传递给order等。）。如果有更快的实现（我想到数据表），我不会感到惊讶。

更新1：澄清一下：我没有测试排序行内或列内。（这种排序通常会产生代数不同的矩阵。）

作为创建未排序矩阵的示例：

set.seed(0)
x <- as.data.frame(matrix(sample(3, 60, replace = TRUE), ncol = 6, byrow = TRUE))

其排序版本为：

y <- x[do.call(order, x),]

正确的测试，例如testSorted，将为FALSE返回testSorted(x)，为TRUE返回testSorted(y)。

更新2： 下面的答案都很好 - 它们很简洁并且可以进行测试。关于效率，看起来这些都是对数据进行排序。

我已经尝试使用相当大的矩阵，例如1M x 10，（只是更改上面x的创建），并且所有矩阵都具有相同的时间和内存成本。特别之处在于它们对未分类对象（1Mx10大约5.5秒）消耗的时间比分类对象（y大约0.5秒）消耗更多时间。这表明他们在测试前进行了分类。

我通过创建z矩阵进行了测试：

z <- y
z[,2] <- y[,1]
z[,1] <- y[,2]

在这种情况下，所有方法都需要大约0.85秒才能完成。无论如何，在5.5秒内完成并不可怕（事实上，对于对象排序所需的时间似乎是正确的），但是知道排序矩阵快11倍表明没有排序的测试可能是均匀的快点。在1M行矩阵的情况下，x的前三行是：

  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1  3  1  2  2  3  1  3  3  2   2
2  1  1  1  3  2  3  2  3  3   2
3  3  3  1  2  1  1  2  1  2   3

没有必要超越第2行，尽管矢量化并不是一个坏主意。

（我还为byrow的创建添加了x参数，因此行值不依赖于x的大小。）

更新3： 可以使用Linux中的sort -c命令找到此测试的另一个比较。如果文件已经写入（使用write.table()），包含1M行，那么time sort -c myfile.txt对于未排序数据需要0.003秒，对于排序数据需要0.101秒。我不打算写出文件，但这是一个有用的比较。

更新4： Aaron的Rcpp方法击败了这里提供的所有其他方法，并且我已经尝试过（包括上面的sort -c比较：内存中预计将击败磁盘）。至于相对于其他方法的比例，很难说：分母太小而无法给出准确的测量，我没有广泛探索microbenchmark。对于某些矩阵（例如用rnorm制作的矩阵），加速可能非常大（4-5个数量级），但这是误导性的 - 检查可以在仅几行之后终止。我已经加速了大约25-60的示例矩阵和未分类的大约1.1X，因为如果数据被排序，竞争方法已经非常快。

由于这是正确的事情（即没有排序，只是测试），并且很快就完成了，这是公认的答案。

Answer 1

如果y被排序，则do.call（order，y）返回1：nrow（y）。

 testSorted = function(y){all(do.call(order,y)==1:nrow(y))}

请注意，这不会比较矩阵，但一旦发现不匹配就不会消失。

Answer 2

那么，你为什么不使用：

all(do.call(order, y)==seq(nrow(y)))

这可以避免创建有序矩阵，并确保它检查您的订购方式。

Answer 3

嗯，蛮力方法是循环和比较，一旦发现违规就中止。

这种方法可以在R中轻松实现和测试，然后转移到一个简单的C ++函数，我们可以通过inline和Rcpp（如果必须的话，还是普通的C）连接到R循环是一种真正受益于编译语言实现的东西。

否则，您是否可以使用diff()之类的内容并检查所有增量是否为非负数？

Answer 4

更新：我决定使用Rcpp练习......

library(Rcpp)
library(inline)
isRowSorted <- cxxfunction(signature(A="numeric"), body='
  Rcpp::NumericMatrix Am(A);
  for(int i = 1; i < Am.nrow(); i++) {
    for(int j = 0; j < Am.ncol(); j++) {
      if( Am(i-1,j) < Am(i,j) ) { break; }
      if( Am(i-1,j) > Am(i,j) ) { return(wrap(false)); }
    }
  }
  return(wrap(true));
', plugin="Rcpp")

rownames(y) <- NULL # because as.matrix is faster without rownames
isRowSorted(as.matrix(y))

新：这个仅限R的黑客攻击速度与所有矩阵相同;它对于排序矩阵来说肯定更快;对于未分类的，它取决于未分类的性质。

iss3 <- function(x) {
  x2 <- sign(do.call(cbind, lapply(x, diff)))
  x3 <- t(x2)*(2^((ncol(x)-1):0))
  all(colSums(x3)>=0)
}

原文：对于某些未排序的矩阵，这个速度更快。多快将取决于未分类元素的位置;这会逐列地查看矩阵，因此左侧的未排序将比右侧的未排序快得多，而顶部/底部几乎不重要。

iss2 <- function(y) {
  b <- c(0,nrow(y))
  for(i in 1:ncol(y)) {
    z <- rle(y[,i])
    b2 <- cumsum(z$lengths)
    sp <- split(z$values, cut(b2, breaks=b))
    for(spi in sp) {
      if(is.unsorted(spi)) return(FALSE)
    }
    b <- c(0, b2)
  }
  return(TRUE)
}

Answer 5

您可以将do.call声明与is.unsorted：

一起使用

issorted.matrix <- function(A) {!is.unsorted(do.call("order",data.frame(A)))}

测试矩阵或数据帧的行是否按R排序

5 个答案: