返回项目 R 的唯一组合？

Question

给定多个向量，我想返回向量中列的唯一组合。这是一个可行的示例，但计算速度不如我想要的那么快:

library(dplyr)

c_sort_collapse <- function(...){
  c(...) %>% 
    sort() %>% 
    paste(collapse = ".")
}

unique_set <- function(...){
  list(...) %>% 
    purrr::pmap_chr(c_sort_collapse) %>% 
    unique()
}

unique_set(c("a", "b", "a"), c("a", "a", "b"))
#> [1] "a.a" "a.b"

有没有一种方法可以更快/更好地矢量化，即不依赖于循环每个项目(就像在 purrr::pmap_chr() 步骤中发生的情况)？

Answer 1

此解决方案仅在需要组合两个向量时才有效，但速度相当快。我冒昧地为其他方法提供了 stringi::stri_sort() 的优势，它已经快了一个数量级。

library(dplyr)
library(stringi)

set.seed(123)
x <- sample(letters, 1000, replace = TRUE)

set.seed(12)
y <- sample(letters, 1000, replace = TRUE)

c_sort_collapse <- function(...){
  c(...) |> 
    stri_sort() |> 
    paste(collapse = ".")
}

unique_set <- function(...){
  list(...) |> 
    purrr::pmap_chr(c_sort_collapse) |> 
    unique()
}

unique_set_matrix <- function(...){
  matrix(c(...), nrow = length(list(...)), byrow = TRUE) |>
    apply(2, stri_sort) |>
    asplit(2) |>
    unique() |>
    sapply(paste, collapse = ".")
}

pminmax <- function(x, y) {
  paste(pmin.int(x, y), pmax.int(x, y), sep = ".") |> unique()
}

all.equal(sort(unique_set(x, y)), sort(pminmax(x, y)))
#> [1] TRUE

bench::mark(
  tidy = unique_set(x, y),
  matrix = unique_set_matrix(x, y),
  Map = Map(\(x,y) paste0(stri_sort(c(x,y)) , collapse = ".") , x , y) |>
    unique() |> unlist(FALSE, FALSE),
  pminmax = pminmax(x, y),
  iterations = 20, check = FALSE
)
#> # A tibble: 4 × 6
#>   expression      min   median `itr/sec` mem_alloc `gc/sec`
#>   <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl>
#> 1 tidy         6.13ms   6.24ms      160.    45.4KB     17.8
#> 2 matrix       5.18ms   5.55ms      168.   229.8KB     29.7
#> 3 Map           5.7ms   6.83ms      151.    33.4KB     16.7
#> 4 pminmax     484.6µs 487.85µs     2035.    49.6KB      0

^{由 reprex package 于 2022 年 8 月 5 日创建(v2.0.1)}