r - 将数字向量与另一个向量中的值进行比较的最佳方法

Question

假设我有两个值向量:

a <- c(1,3,4,5,6,7,3)
b <- c(3,5,1,3,2)

我想将整个函数 FUN应用于 a的每个输入，这是最有效的方法。

更具体地说，在这种情况下，对于我想知道的每个'a'值， b中的每个元素， a中有多少个元素大于或等于该值。幼稚的方法是执行以下操作:

sum(a < b)

当然，这是行不通的，因为它尝试并行地遍历每个向量并给我警告:

longer object length is not a multiple of shorter object length

该命令的输出btw是 b。

但是，在我的情况下，我希望看到的输出是:

0 2 4 4 5 5 2

当然，我意识到我可以使用for循环来做到这一点:

out <- c()
for (i in a) {
    for (i in a) { out[length(out) + 1] = sum(b<i)}
}

同样，我可以这样使用 3:

sapply(a, function(x)sum(b<x))

但是，我正在努力成为一名优秀的R程序员，并且远离for循环，并且 sapply似乎非常慢。还有其他选择吗？

对于它的值(value)，我这样做了两百万次，其中 sapply总是小于 length(b)，而 length(a)的范围是1到30。

Answer 1

试试这个:

findInterval(a - 0.5, sort(b))

通过使用更简单的 sort包装器，可以从以下方面提高速度:a)避免了 findInterval，b)避免了 order和 .Internal的开销:

order2 = function(x) .Internal(order(T, F, x))

findInterval2 = function(x, vec, rightmost.closed=F, all.inside=F) {
  nx <- length(x)
  index <- integer(nx)
  .C('find_interv_vec', xt=as.double(vec), n=length(vec),
    x=as.double(x), nx=nx, as.logical(rightmost.closed),
    as.logical(all.inside), index, DUP = FALSE, NAOK=T,
    PACKAGE='base')
  index
}

> system.time(for (i in 1:10000) findInterval(a - 0.5, sort(b)))
   user  system elapsed 
   1.22    0.00    1.22 
> system.time(for (i in 1:10000) sapply(a, function(x)sum(b<x)))
   user  system elapsed 
   0.79    0.00    0.78 
> system.time(for (i in 1:10000) rowSums(outer(a, b, ">")))
   user  system elapsed 
   0.72    0.00    0.72 
> system.time(for (i in 1:10000) findInterval(a - 0.5, b[order(b)]))
   user  system elapsed 
   0.42    0.00    0.42 
> system.time(for (i in 1:10000) findInterval2(a - 0.5, b[order2(b)]))
   user  system elapsed 
   0.16    0.00    0.15 

仅当您的迭代堆具有相当小的N时，才可以保证定义 findInterval2和 order2的复杂性。

N较大的时间:

> a = rep(a, 100)
> b = rep(b, 100)
> system.time(for (i in 1:100) findInterval(a - 0.5, sort(b)))
   user  system elapsed 
   0.01    0.00    0.02 
> system.time(for (i in 1:100) sapply(a, function(x)sum(b<x)))
   user  system elapsed 
   0.67    0.00    0.68 
> system.time(for (i in 1:100) rowSums(outer(a, b, ">")))
   user  system elapsed 
   3.67    0.26    3.94 
> system.time(for (i in 1:100) findInterval(a - 0.5, b[order(b)]))
   user  system elapsed 
      0       0       0 
> system.time(for (i in 1:100) findInterval2(a - 0.5, b[order2(b)]))
   user  system elapsed 
      0       0       0