- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个数据表dt1
:
我想添加新列,这些列是 setdiff()
的结果, intersect()
和 union()
在 V1
上的操作和 V2
变量。
预期输出:
我试过:
dt_new <- dt1[, c("diff_V1_V2", "intersect_V1_V2", "union_V1_V2") := list(
Map(setdiff, V1, V2),
Map(intersect, V1, V2),
Map(union, V1, V2))]
但是我的真实向量很长,所以这些操作需要很长时间。
那么,如何才能加快这些操作或如何使用其他函数/方法获得类似的结果?我正在寻找最有效的方法。
或者是否可以并行计算?
最佳答案
朴素的方法:
Naive <- function (a, b) {
list(intersect = intersect(a, b),
union = union(a, b),
adiffb = setdiff(a, b))
}
您可以利用基础数学在向量 a
和 b
的一次扫描中完成所有三个操作,而不是通过三个函数调用进行三次扫描。此外,如果您确定两个向量中都没有重复值,则可以跳过昂贵的 unique
。
SetOp <- function (a, b, no.dup.guaranteed = FALSE) {
if (no.dup.guaranteed) {
au <- a
bu <- b
} else {
au <- unique(a)
bu <- unique(b)
}
ind <- match(bu, au, nomatch = 0)
INTERSECT <- au[ind]
DIFF <- au[-c(ind, length(au) + 1)] ## https://stackoverflow.com/a/52772380
UNION <- c(bu, DIFF)
list(intersect = INTERSECT, union = UNION, adiffb = DIFF)
}
SetOp(a = c(1, 2, 3, 4), b = c(1, 3, 6))
SetOp(a = c(2, 6, 9, 8), b = c(8, 5))
一些基准:
## no duplicated values in either a or b; can set no.dup.guaranteed = TRUE
a <- sample.int(11000, size = 10000, replace = FALSE)
b <- sample.int(11000, size = 10000, replace = FALSE)
microbenchmark::microbenchmark(naive = Naive(a, b),
better = SetOp(a, b),
fly = SetOp(a, b, no.dup.guaranteed = TRUE))
#Unit: milliseconds
# expr min lq mean median uq max neval
# naive 6.457302 6.489710 6.751996 6.511399 6.567941 8.571623 100
# better 3.251701 3.268873 3.377910 3.277086 3.306723 3.880755 100
# fly 1.734898 1.749300 1.805163 1.755927 1.767114 3.326179 100
## lots of duplicated values in both a and b; must have no.dup.guaranteed = FALSE
a <- sample.int(100, size = 10000, replace = TRUE)
b <- sample.int(100, size = 10000, replace = TRUE)
microbenchmark::microbenchmark(naive = Naive(a, b),
better = SetOp(a, b))
#Unit: microseconds
# expr min lq mean median uq max neval
# naive 1421.702 1431.023 1653.1339 1443.147 1483.255 3809.031 100
# better 396.193 398.695 446.7062 400.293 412.046 1995.294 100
如果你想进一步加速,你需要考虑如何加速unique()
。这并不容易,因为您可能无法击败 R 使用的内部算法。
I see additional speed improvement replacing unique() with the R fast
Rfast::sort_unique()
.
谢谢@M.Viking .很高兴看到your answer .我没有时间在我的操作系统上安装 GNU 科学库 (GSL),所以无法自己安装和试用 Rfast。
以下是对您的基准测试结果的一些评论。
“better2”比“fly”快的原因是因为 match
在排序向量上更快。所以是的,即使 a
和 b
中没有重复值,应用 sort_unique
仍然是个好主意。
您可能还想尝试 Rfast 中的 Match
函数。我在包的文档中发现了这个函数,但不知道它与 R 的基本版本相比有多快。此外,文档没有明确说明 Match
如何处理不匹配。相比之下,基本版本 match
有一个有用的参数 nomatch
我将其设置为 0 以避免 NA 索引。
Good ideas. Unfortunately
Rfast::Match()
is not a drop in replacement forbase::match()
. However, luckily,fastmatch::fmatch()
is a fast drop in replacement formatch()
.
我们在这里进行了一次非常鼓舞人心的迭代!很高兴知道!很棒的 R 社区有这么多有用的工具!
My
V1
andV2
variables do not contain duplicates, so there is no need to use theunique
function, if I understand correctly?
直觉上,是的,因为我们不想做额外的工作。但有趣的是,M.Viking's answer 中的基准测试结果表明值得对向量进行排序以加速匹配
。所以你实际上可以使用 M.Viking 给出的 SetOp2()
。
我认为将 base::match
替换为 fastmatch::fmatch
的 SetOp3()
在您的应用程序中不值得。根据其文档,fmatch
只有在我们执行重复匹配时才比 match
快,例如 match(a, key)
, match( b,key)
等,其中key
被复用。 M.Viking 的基准测试支持这一点,因为 microbenchmark()
重复 SetOp3(a, b)
100 次。在第一次运行时,fmatch
和 match
一样快;那么在接下来的 99 次运行中它比 match
快得多。然而,在您的应用程序中,每个向量只使用一次。由于不存在重用,我们最好继续使用 match
。
So, how can I apply your solution to each row of my data (
V1
andV2
are lists there)?
我们必须使用循环或类似循环的函数,例如您在问题中使用的 Map
。唯一的问题是我们需要一些后处理来提取结果。见下文。
V1 <- list(a1 = c(1, 2, 3, 4), a2 = c(2, 6, 9, 8))
V2 <- list(b1 = c(1, 3, 6), b2 = c(8, 5))
## or: ans <- Map(SetOp2, V1, V2)
ans <- Map(SetOp, V1, V2, no.dup.guaranteed = TRUE)
## post-processing
INTERSECT <- lapply(ans, "[[", 1)
UNION <- lapply(ans, "[[", 2)
SETDIFF <- lapply(ans, "[[", 3)
关于并行处理的其他想法
jblood94's answer通过并行计算更进一步。好工作!这是练习 parallel
的一个很好的练习。但原则上,我们不想并行此任务,因为它受内存限制而不是 CPU 限制。我们只是从内存中扫描数据,而不进行复杂的 CPU 运算。众所周知,并行处理对于这种工作来说并不乐观,我不希望有很大的加速。似乎 jblood94 能够获得 82.89/34.21 = 2.42 的串行处理加速。但是,他/她没有提到使用了多少个 CPU 内核。例如,如果利用 8 个内核,那么 2.42 的加速比就很差了。
关于r - 加速 R 中向量的 setdiff()、intersect()、union() 操作,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72631297/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!