r - 在 R 中执行多个逻辑比较的最快方法是什么？

Question

在 R 中执行多个逻辑比较的最快方法是什么？

例如考虑向量 x

set.seed(14)
x = sample(LETTERS[1:4], size=10, replace=TRUE)

我想测试 x 的每个条目是否是“A”或“B”(而不是其他任何东西)。以下作品

x == "A" | x == "B"
[1]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE

上面的代码在整个向量的长度上循环了 3 次。 R 中有没有办法只循环一次并测试每个项目是否满足一个或另一个条件？

Answer 1

如果您的目标只是通过一次，那么用 Rcpp 编写非常简单，即使您对 C++ 没有太多经验:

#include <Rcpp.h>

// [[Rcpp::export]]
Rcpp::LogicalVector single_pass(Rcpp::CharacterVector x, Rcpp::String a, Rcpp::String b) {
  R_xlen_t i = 0, n = x.size();
  Rcpp::LogicalVector result(n);

  for ( ; i < n; i++) {
    result[i] = (x[i] == a || x[i] == b);
  }

  return result;
}

对于您的示例中使用的这样一个小对象， .Call 的轻微开销(大概)掩盖了 Rcpp 版本的速度，

r_fun <- function(X) X == "A" | X == "B"
##
cpp_fun <- function(X) single_pass(X, "A", "B")
##
all.equal(r_fun(x), cpp_fun(x))
#[1] TRUE
microbenchmark::microbenchmark(
  r_fun(x), cpp_fun(x), times = 1000L)
#Unit: microseconds
#expr         min    lq     mean median     uq    max neval
#r_fun(x)   1.499 1.584 1.974156 1.6795 1.8535 37.903  1000
#cpp_fun(x) 1.860 2.334 3.042671 2.7450 3.1140 51.870  1000

但是对于较大的向量(我假设这是您的真实意图)，它要快得多:

x2 <- sample(LETTERS, 10E5, replace = TRUE)
##
all.equal(r_fun(x2), cpp_fun(x2))
# [1] TRUE
microbenchmark::microbenchmark(
  r_fun(x2), cpp_fun(x2), times = 200L)
#Unit: milliseconds
#expr              min        lq      mean    median        uq      max neval
#r_fun(x2)   78.044518 79.344465 83.741901 80.999538 86.368627 149.5106   200
#cpp_fun(x2)  7.104929  7.201296  7.797983  7.605039  8.184628  10.7250   200

这是一个 quick attempt在概括上述内容时，如果您对它有任何用处。