理解矢量化 [英] Understanding vectorisation

问题描述

我正在寻找一种将 R 中的大数字格式化为 2.3K 或 5.6M 。我在SO上找到了这个解决方案。原来，它显示了一些奇怪的行为，一些输入向量。

这是我想了解的 - $ / b>

< （302.456500093388，32553.3619756151，3323.71232001074，12065.4076372462，
0，6270.87962956305，383.337515655172，402.20778095643，19466.0204345063，$ b）pre $ ＃具有奇怪行为的测试向量
x< $ b 1779.05474064539，1467.09928489114，3786.27112222457,2080.08078309959，
51114.7097545816,51188.7710104291,59713.9414049798）

＃格式化大数
comprss函数< - function（tx）{
div < - findInterval（as.numeric（gsub（\\，，tx）），
c（1,1e3,1e6,1e9,1e12））
paste round（as.numeric（gsub（\\，，tx））/ 10 ^（3 *（div-1）），1），
c（''，'K' 'b'，'T'）[div]，sep =''）
}

＃比较以下三个命令的输出
x
comprss（x）
sapply（x，comprss）


我们可以看到 comprss（x）产生了 0k 作为5 ^th 元素是奇怪的，但是 comprss（x [5]）给了我们预期的结果。据我所知，在的主体中使用的所有函数， comprss 被矢量化。那么为什么我仍然需要 sapply 我的出路呢？

解决方案

这是一个从 pryr ::: print.bytes 改编的矢量化版本：

< （x，digits = 3）{
grouping <-pmax（floor（log（abs（x）， 1000）），0）
paste0（signif（x /（1000 ^ grouping），digits = digits），
c（''，'K'，'M'，'B'，'T' ）[grouping + 1]）$ ​​b $ b}

format_for_humans（10 ^ seq（0，12，2））
＃> [1]110010K1M100M10B1T

x < - c（302.456500093388,32553.3619756151,3323.71232001074,12065.4076372462，
0 ，6270.87962956305，383.337515655172,402.20778095643,19466.0204345063，
1779.05474064539,1467.09928489114,3786.27112222457,2080.08078309959，
51114.7097545816,51188.7710104291,59713.9414049798）

format_for_humans（x）
＃> [1]30232.6K3.32K12.1K06.27K383402
＃> [9]19.5K1.78K1.47K3.79K2.08K51.1K51.2K59.7K

format_for_humans（x，digits = 1 ）
＃> [1]30030K3K10K06K40040020K2K1K
＃> [12]4K2K50K50K60K

I was looking for a way to format large numbers in R as 2.3K or 5.6M. I found this solution on SO. Turns out, it shows some strange behaviour for some input vectors.

Here is what I am trying to understand -

# Test vector with weird behaviour
x <- c(302.456500093388, 32553.3619756151, 3323.71232001074, 12065.4076372462, 
  0, 6270.87962956305, 383.337515655172, 402.20778095643, 19466.0204345063, 
  1779.05474064539, 1467.09928489114, 3786.27112222457, 2080.08078309959, 
  51114.7097545816, 51188.7710104291, 59713.9414049798)

# Formatting function for large numbers
comprss <- function(tx) { 
  div <- findInterval(as.numeric(gsub("\\,", "", tx)), 
                      c(1, 1e3, 1e6, 1e9, 1e12) )
  paste(round( as.numeric(gsub("\\,","",tx))/10^(3*(div-1)), 1), 
        c('','K','M','B','T')[div], sep = '')
}

# Compare outputs for the following three commands
x
comprss(x)
sapply(x, comprss)

We can see that comprss(x) produces 0k as the 5^th element which is weird, but comprss(x[5]) gives us the expected results. The 6^th element is even weirder.

As far as I know, all the functions used in the body of comprss are vectorised. Then why do I still need to sapply my way out of this?

解决方案

Here's a vectorized version adapted from pryr:::print.bytes:

format_for_humans <- function(x, digits = 3){
    grouping <- pmax(floor(log(abs(x), 1000)), 0)
    paste0(signif(x / (1000 ^ grouping), digits = digits), 
           c('', 'K', 'M', 'B', 'T')[grouping + 1])
}

format_for_humans(10 ^ seq(0, 12, 2))
#> [1] "1"    "100"  "10K"  "1M"   "100M" "10B"  "1T"

x <- c(302.456500093388, 32553.3619756151, 3323.71232001074, 12065.4076372462, 
       0, 6270.87962956305, 383.337515655172, 402.20778095643, 19466.0204345063, 
       1779.05474064539, 1467.09928489114, 3786.27112222457, 2080.08078309959, 
       51114.7097545816, 51188.7710104291, 59713.9414049798)

format_for_humans(x)
#>  [1] "302"   "32.6K" "3.32K" "12.1K" "0"     "6.27K" "383"   "402"  
#>  [9] "19.5K" "1.78K" "1.47K" "3.79K" "2.08K" "51.1K" "51.2K" "59.7K"

format_for_humans(x, digits = 1)
#>  [1] "300" "30K" "3K"  "10K" "0"   "6K"  "400" "400" "20K" "2K"  "1K" 
#> [12] "4K"  "2K"  "50K" "50K" "60K"

这篇关于理解矢量化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！