die (vector1 <vector2)

Question

Lassen Sie uns ein kleines Beispiel zuerst machen, die in R berechnet:

x<- c(1,3,1,4,2) 
max(which(x<2)) 
[1] 3 

Nun, ich möchte, dies tun nicht nur für einen Wert 2, aber für gleichzeitig viele Werte . Es sollte mir etwas geben wie folgt aus:

max(which(x<c(1,2,3,4,5,6))) 
[1] NA 3 5 5 5 5 

Natürlich, ich könnte eine for Schleife laufen, aber das ist sehr langsam:

for(i in c(1,2,3,4,5,6)){  
test[i]<-max(which(x<i)) 
} 

Gibt es einen schnellen Weg, dies zu tun?

Answer 1

den maximalen Index jeden Wert gesehen in x:

xvals <- unique(x) 
xmaxindx <- length(x) - match(xvals,rev(x)) + 1L 

Rearrange

xvals <- xvals[order(xmaxindx,decreasing=TRUE)] 
xmaxindx <- xmaxindx[order(xmaxindx,decreasing=TRUE)] 
# 2 4 1 3 
# 5 4 3 2 

Wählen von denen:

xmaxindx[vapply(1:6,function(z){ 
    ok <- xvals < z 
    if(length(ok)) which(ok)[1] else NA_integer_ 
},integer(1))] 
# <NA> 1 2 2 2 2 
# NA 3 5 5 5 5 

Er berichtet handlicher die Werte (in t er erste Reihe) zusammen mit den Indizes (zweite Reihe).

---

Der sapply Weg ist einfacher und wahrscheinlich nicht langsamer:

xmaxindx[sapply(1:6,function(z) which(xvals < z)[1])]  

---

Benchmarks. Die OP Fall ist nicht vollständig beschrieben, aber hier sind einige Benchmarks sowieso: (. @ MrHallo ist und @ DavidArenburg ist die Art und Weise eine Reihe von Warnungen werfen ich sie jetzt geschrieben haben, aber das repariert werden kann)

# setup 
nicola <- function() max.col(outer(y,x,">"),ties.method="last")*NA^(y<=min(x)) 
frank <- function(){ 
    xvals <- unique(x) 
    xmaxindx <- length(x) - match(xvals,rev(x)) + 1L 

    xvals <- xvals[order(xmaxindx,decreasing=TRUE)] 
    xmaxindx <- xmaxindx[order(xmaxindx,decreasing=TRUE)] 
    xmaxindx[vapply(y,function(z){ 
     ok <- xvals < z 
     if(length(ok)) which(ok)[1] else NA_integer_ 
    },integer(1))] 
} 
beauvel <- function() 
    Vectorize(function(u) ifelse(length(which(x<u))==0,NA,max(which(x<u))))(y) 
davida <- function() vapply(y, function(i) c(max(which(x < i)),NA)[1], double(1)) 
hallo <- function(){ 
    test <- vector("integer",length(y)) 
    for(i in y){  
     test[i]<-max(which(x<i)) 
    } 
    test 
} 
josho <- function(){ 
    xo <- sort(unique(x)) 
    xi <- cummax(1L + length(x) - match(xo, rev(x))) 
    xi[cut(y, c(xo, Inf))] 
} 
require(microbenchmark) 

Hier sind einige Ergebnisse:

> x <- sample(1:4,1e6,replace=TRUE) 
> y <- 1:6 
> microbenchmark(nicola(),frank(),beauvel(),davida(),hallo(),josho(),times=10) 
Unit: milliseconds 
     expr  min  lq  mean median  uq  max neval 
    nicola() 76.17992 78.01171 99.75596 98.43919 120.81776 127.63058 10 
    frank() 25.27245 25.44666 36.41508 28.44055 45.32306 73.66652 10 
beauvel() 47.70081 59.47828 67.44918 68.93808 74.12869 95.20936 10 
    davida() 26.52582 26.55827 33.93855 30.00990 35.55436 57.24119 10 
    hallo() 26.58186 26.63984 32.68850 28.68163 33.54364 50.49190 10 
    josho() 25.69634 26.28724 37.95341 30.50828 47.90526 68.30376 10 
There were 20 warnings (use warnings() to see them) 
> 
> 
> x <- sample(1:80,1e6,replace=TRUE) 
> y <- 1:60 
> microbenchmark(nicola(),frank(),beauvel(),davida(),hallo(),josho(),times=10) 
Unit: milliseconds 
     expr  min   lq  mean  median   uq  max neval 
    nicola() 2341.96795 2395.68816 2446.60612 2481.14602 2496.77128 2504.8117 10 
    frank() 25.67026 25.81119 42.80353 30.41979 53.19950 123.7467 10 
beauvel() 665.26904 686.63822 728.48755 734.04857 753.69499 784.7280 10 
    davida() 326.79072 359.22803 390.66077 397.50163 420.66266 456.8318 10 
    hallo() 330.10586 349.40995 380.33538 389.71356 397.76407 443.0808 10 
    josho() 26.06863 30.76836 35.04775 31.05701 38.84259 57.3946 10 
There were 20 warnings (use warnings() to see them) 
> 
> 
> x <- sample(sample(1e5,1e1),1e6,replace=TRUE) 
> y <- sample(1e5,1e4) 
> microbenchmark(frank(),josho(),times=10) 
Unit: milliseconds 
    expr  min  lq  mean median  uq  max neval 
frank() 69.41371 74.53816 94.41251 89.53743 107.6402 134.01839 10 
josho() 35.70584 37.37200 56.42519 54.13120 63.3452 90.42475 10 

Natürlich könnten Vergleiche für den wahren Fall des OPs anders kommen.

Answer 2

Suchst du das? Finden

y<-1:6 
max.col(outer(y,x,">"),ties.method="last")*NA^(y<=min(x)) 
#[1] NA 3 5 5 5 5 

Answer 3

können Sie Vectorize verwenden:

func = Vectorize(function(u) ifelse(length(which(x<u))==0,NA,max(which(x<u)))) 

> func(1:6) 
#[1] NA 3 5 5 5 5 

Answer 4

Versuchen Sie folgendes:

vapply(1:6, function(i) max(which(x < i)), double(1)) 

Answer 5

Ein voll vektorisiert Ansatz:

x <- c(1,3,1,4,2) 
y <- c(1,2,3,4,5,6) 

f <- function(x, y) { 
    xo <- sort(unique(x)) 
    xi <- cummax(1 + length(x) - match(xo, rev(x))) 
    xi[cut(y, c(xo, Inf))] 
} 
f(x,y) 
# [1] NA 3 5 5 5 5 

Die Vorteile der vollen Vektorisierung wirklich anfangen zu treten, wenn beide x und y sind relativ lang und jeder enthält viele verschiedene Werte:

x <- sample(1:1e4) 
y <- 1:1e4 

microbenchmark(nicola(), frank(), beauvel(), davida(), hallo(), josho(),times=5) 
Unit: milliseconds 
     expr  min   lq  mean  median  uq  max neval cld 
    nicola() 4927.45918 4980.67901 5031.84199 4991.38240 5052.6861 5207.00330  5 d 
    frank() 513.05769 513.33547 552.29335 517.65783 540.9536 676.46221  5 b 
beauvel() 1091.93823 1114.84647 1167.10033 1121.58251 1161.3828 1345.75158  5 c 
    davida() 562.71123 575.75352 585.83873 590.90048 597.0284 602.80002  5 b 
    hallo() 559.11618 574.60667 614.62914 624.19570 641.9639 673.26328  5 b 
    josho() 36.22829 36.57181 37.37892 37.52677 37.6373 38.93044  5 a