用于查找与向量中的唯一值相关联的索引的有效R代码 [英] Efficient R code for finding indices associated with unique values in vector

问题描述

假设我有向量 vec < - c（D，B，B，C，C）。

我的目标是结束一个维度 length（unique（vec））的列表，其中每个 i 在中返回指向 unique（vec）[i] 例如， vec 的此列表将返回：

  exampleList < -  list（）
 exampleList [[1]] <是第一个元素
 exampleList [[2]] < -  c（2,3）＃由于B是第2/3个元素。 
 exampleList [[3]] < -  c（4,5）＃由于C是第4/5元素。 
  

我尝试了下面的方法，但是太慢了。我的例子很大，所以我需要更快的代码：

  vec < -  c（D，B，B ，C，C）
 uniques<  -  unique（vec）
 exampleList< lapply（1：3，function（i）{
 which（vec == uniques [i]）
}）
 exampleList 
  




解决方案

更新：行为 DT [，list（list（。）），by =。] 有时会导致错误的结果R version> = 3.1.0。现在，在提交＃1280 中修正了 data.table v1.9.3。从新闻：

• DT [，list（list（。）），by =。] 返回正确的结果在R> = 3.1.0。该错误是由于R v3.1.0中最近（欢迎）更改，其中 list（。）不会导致复制。关闭＃481 。

---

使用 data.table 大约快15倍 tapply ：

  library（data.table）
 
 vec <-c（D，B，B，C，C）
 
 dt = as.data.table（vec） list（list（.I）），by = vec] 
 dt 
＃vec V1 
＃1：D 1 
＃2：B 2,3 
＃ 3：C 4,5 
 
＃以所需的格式获得它
＃（或许在将来data.table的setnames将用于列表）
 setattr（dt $ V1，'names'，dt $ vec）
 dt $ V1 
＃$ D 
＃[1] 1 
＃
＃
 $ b＃ [1] 2 3 
＃
＃$ C 
＃[1] 4 5 
  

b $ b

速度测试：

  vec = sample（letters，1e7，T）
 $ b b system.time（tapply（seq_along（vec），vec，identity）[unique（vec）]）
＃用户系统已过
＃7.92 0.35 8.50 
 
 system.time （{dt = as.data.table（vec）[，list（list（.I）），by = vec]; setattr（dt $ V1，'names'，dt $ vec）; dt $ V1}）
＃用户系统已过
＃0.39 0.09 0.49 
  

Suppose I have vector vec <- c("D","B","B","C","C").

My objective is to end up with a list of dimension length(unique(vec)), where each i of this list returns a vector of indices which denote the locations of unique(vec)[i] in vec.

For example, this list for vec would return:

exampleList <- list()
exampleList[[1]] <- c(1) #Since "D" is the first element
exampleList[[2]] <- c(2,3) #Since "B" is the 2nd/3rd element.
exampleList[[3]] <- c(4,5) #Since "C" is the 4th/5th element.

I tried the following approach but it's too slow. My example is large so I need faster code:

vec <- c("D","B","B","C","C")
uniques <- unique(vec)
exampleList <- lapply(1:3,function(i) {
    which(vec==uniques[i])
})
exampleList

解决方案

Update: The behaviour DT[, list(list(.)), by=.] sometimes resulted in wrong results in R version >= 3.1.0. This is now fixed in commit #1280 in the current development version of data.table v1.9.3. From NEWS:

• DT[, list(list(.)), by=.] returns correct results in R >=3.1.0 as well. The bug was due to recent (welcoming) changes in R v3.1.0 where list(.) does not result in a copy. Closes #481.

---

Using data.table is about 15x faster than tapply:

library(data.table)

vec <- c("D","B","B","C","C")

dt = as.data.table(vec)[, list(list(.I)), by = vec]
dt
#   vec  V1
#1:   D   1
#2:   B 2,3
#3:   C 4,5

# to get it in the desired format
# (perhaps in the future data.table's setnames will work for lists instead)
setattr(dt$V1, 'names', dt$vec)
dt$V1
#$D
#[1] 1
#
#$B
#[1] 2 3
#
#$C
#[1] 4 5

Speed tests:

vec = sample(letters, 1e7, T)

system.time(tapply(seq_along(vec), vec, identity)[unique(vec)])
#   user  system elapsed 
#   7.92    0.35    8.50 

system.time({dt = as.data.table(vec)[, list(list(.I)), by = vec]; setattr(dt$V1, 'names', dt$vec); dt$V1})
#   user  system elapsed 
#   0.39    0.09    0.49 

这篇关于用于查找与向量中的唯一值相关联的索引的有效R代码的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！