r - 找到获得向量中相同元素之间所有间隔的最快方法

Question

假设我有一个包含 8 个字母的字符向量，每个字母出现两次:

x <- rep(LETTERS[1:8],2)
set.seed(1)
y <- sample(x)
y

# [1] "E" "F" "A" "D" "C" "B" "C" "G" "F" "A" "B" "G" "E" "H" "D" "H"

我想找到每对字母之间的间隔。这里，间隔是指两个相同字母之间的字母数。我可以像这样手动执行此操作:

abs(diff(which(y=="A")))-1  #6
abs(diff(which(y=="D")))-1  #10
abs(diff(which(y=="H")))-1  #1

我写了一个 for循环来做到这一点......

res<-NULL
for(i in 1:8){  res[[i]] <- abs(diff(which(y==LETTERS[i])))-1 }

names(res)<-LETTERS[1:8]
res

# A  B  C  D  E  F  G  H 
# 6  4  1 10 11  6  3  1 

但是，我想在具有很长向量的随机化过程中使用这种方法。速度对此至关重要 - 我想知道是否有人有好的想法来尽可能快速地解决这个问题。

Answer 1

您需要设置一个索引向量，然后执行 diff(index vector)-by-group 操作。

这是它在 data.table 中的样子包裹:

require(data.table)
yDT <- data.table(y)

yDT[,diff(.I)-1,keyby=y]
#    y V1
# 1: A  6
# 2: B  4
# 3: C  1
# 4: D 10
# 5: E 11
# 6: F  6
# 7: G  3
# 8: H  1

这里的索引向量是特殊的(内置)变量 .I , 存储行号。
keyby=y通过 y 分组并按字母顺序对结果进行排序；与 by=y 交替，我们将看到按组的首次出现排序的结果。 (感谢@Arun 指出这一点。)

基本 R 中的类似解决方案看起来像

tapply(1:length(y),y,diff)-1
# A  B  C  D  E  F  G  H 
# 6  4  1 10 11  6  3  1