r - 获取向量之间匹配位置的有效方法

Question

我需要效率来查找两个向量之间的索引(而不是逻辑向量)。我可以这样做:

which(c("a", "q", "f", "c", "z") %in% letters[1:10])

同理最好用 which.max求最大数的位置:

which(c(1:8, 10, 9) %in% max(c(1:8, 10, 9)))
which.max(c(1:8, 10, 9))

我想知道我是否有最有效的方法来找到 2 个向量中匹配项的位置。

编辑:
根据下面的问题/评论。我正在对向量列表进行操作。该问题涉及对已分解为一组单词的句子进行操作，如下所示。该列表可能包含 10000-20000 个或更多字符向量。然后根据该索引，我将抓取索引之前的 4 个单词和索引之后的 4 个单词并计算分数。

x <- list(c('I', 'like', 'chocolate', 'cake'), c('chocolate', 'cake', 'is', 'good'))
y <- rep(x, 5000)

lapply(y, function(x) {
    which(x %in% c("chocolate", "good"))
})

Answer 1

这是使用 data.table 的相对更快的方法:

require(data.table)
vv <- vapply(y, length, 0L)
DT <- data.table(y = unlist(y), id = rep(seq_along(y), vv), pos = sequence(vv))
setkey(DT, y)
# OLD CODE which will not take care of no-match entries (commented)
# DT[J(c("chocolate", "good")), list(list(pos)), by=id]$V1

setkey(DT[J(c("chocolate", "good"))], id)[J(seq_along(vv)), list(list(pos))]$V1

想法:

首先，我们将您的列表取消列在 DT 列中命名 y .此外，我们创建了另外两个名为 id 的列。和 pos . id告诉列表中的索引和 pos告诉 id 内的位置.然后，通过在 id 上创建一个键列，我们可以进行快速子集化。有了这个子集，我们将得到相应的 pos每个 id 的值.在我们收集所有之前 pos每个 id在列表中，然后只输出列表列 (V1)，我们通过将 key 设置为 id 来处理那些与我们的查询不匹配的条目。在对 id 的所有可能值进行第一次子集化和子集化之后(因为对于不存在的条目，这将导致 NA。

使用 lapply 进行基准测试你帖子上的代码:

x <- list(c('I', 'like', 'chocolate', 'cake'), c('chocolate', 'cake', 'is', 'good'))
y <- rep(x, 5000)

require(data.table)
arun <- function() {
    vv <- vapply(y, length, 0L)
    DT <- data.table(y = unlist(y), id = rep(seq_along(y), vv), pos = sequence(vv))
    setkey(DT, y)
    setkey(DT[J(c("chocolate", "good"))], id)[J(seq_along(vv)), list(list(pos))]$V1
}

tyler <- function() {
    lapply(y, function(x) {
        which(x %in% c("chocolate", "good"))
    })
}

require(microbenchmark)
microbenchmark(a1 <- arun(), a2 <- tyler(), times=50)

Unit: milliseconds
          expr       min        lq    median        uq       max neval
  a1 <- arun()  30.71514  31.92836  33.19569  39.31539  88.56282    50
 a2 <- tyler() 626.67841 669.71151 726.78236 785.86444 955.55803    50

> identical(a1, a2)
# [1] TRUE