r - 有没有更好的方法来获得与 table(vec) 相同的输出，其中 vec 是向量？

Question

假设我有一个向量，但我不知道，先验，它的唯一元素(这里是:1 和 2)。

vec <-
  c(1, 1, 1, 2, 2, 2, 2)

我很想知道是否有更好的方法(或优雅的方法)来获取 vec 中唯一元素的数量即与 table(vec) 相同的结果.它是 data.frame 还是命名向量都没有关系。

R> table(vec)
vec
1 2 
3 4 

原因:我很想知道是否有更好的方法。另外，我注意到有一个 for base 中的循环实现(除了 .C 调用)。我不知道这是否是一个大问题，但是当我做类似的事情时

R> table(rep(1:1000,100000))

R需要很长时间。我确定这是因为 100000 的巨大数字。但是有没有办法让它更快？

编辑 这除了 Chase's也做得很好回答。

R> rle(sort(sampData))

Answer 1

这是一个有趣的问题 - 我很想知道关于这个的其他想法。查看 table() 的来源表明它是建立在 tabulate() 之上的. tabulate()显然有一些怪癖，即它只处理正整数并返回一个没有名称的整数向量。我们可以使用 unique()在我们的向量上应用 names() .如果您需要列出零值或负值，我想回去查看 table()将需要为 tabulate()根据帮助页面上的示例，似乎没有这样做。

table2 <- function(data) {
    x <- tabulate(data)
    y <- sort(unique(data))
    names(x) <- y
    return(x)   
    }

并进行快速测试:

> set.seed(42)
> sampData <- sample(1:5, 10000000, TRUE, prob = c(.3,.25, .2, .15, .1))
> 
> system.time(table(sampData))
   user  system elapsed 
  4.869   0.669   5.503 
> system.time(table2(sampData))
 user  system elapsed 
0.410   0.200   0.605
> 
> table(sampData)
sampData
      1       2       3       4       5 
2999200 2500232 1998652 1500396 1001520 
> table2(sampData)
      1       2       3       4       5 
2999200 2500232 1998652 1500396 1001520 

编辑:我刚刚意识到有一个 count()函数在 plyr这是 table() 的另一种选择.在上面的测试中，它的性能优于 table() ，并且比我放在一起的 hack-job 解决方案略差:

library(plyr)
 system.time(count(sampData))
   user  system elapsed 
  1.620   0.870   2.483