连接组中的向量元素答案

【问题标题】：Concatenate vector elements in groups连接组中的向量元素
【发布时间】：2013-04-30 17:48:16
【问题描述】：

将list1 转换为list2 以及将list2 转换为list1 的最优雅的方式是什么？

list1<- c('a','b','c','d','e','f','g','h','i')
list2<- c('abc','def','ghi')

即：以三人一组的方式接触元素。

谢谢:D

【问题讨论】：

标签： r vector concatenation grouping

【解决方案1】：

1) 试试这个：

apply(matrix(list1, 3), 2, paste, collapse = "")

2) 和一个即使list1 的长度不是 3 的倍数也能工作的变体。这里3 * ceiling(n/3) 是m 的长度，我们从中减去n 以获得位置数仍有待填补：

n <- length(list1)
k <- 3 * ceiling(n / 3) - n
m <- matrix(c(list1, rep("", k)), 3)
apply(m, 2, paste, collapse = "")

3) 这是一个不同的解决方案，如果 n 不是 3 的倍数，这里的第二个解决方案也可以工作：

n <- length(list1)
tapply(list1, c(gl(n, 3, n)), paste, collapse = "")

更新：添加了处理长度不是 3 的倍数的变体以及不同的解决方案。

【讨论】：

这是您对任何n 的第一个解决方案的扩展：apply(matrix(c(list1, rep("", 3 - length(list1) %% 3)), 3), 2, paste, collapse = "")。您应该对此进行基准测试 - 在一些基本测试中看起来非常快。
轻微修正：apply(matrix(c(list1, rep("", (3 - length(list1) %% 3) %% 3)), 3), 2, paste, collapse = "")（也许有人可以想出一个更紧凑的公式，但想法是用适当数量的空单元格填充初始列表）
我在我的帖子中添加了一些长凳 - 这非常适合
添加了第一个解决方案的变体，不需要 n 是 3 的倍数。
:) 请注意为什么您不想使用我的建议来计算 k，因为您当前的公式较长且计算效率较低。

【解决方案2】：

这是另一个版本，它比@Arun 的两种方法都快（与他的方法 1 相比，imo 以牺牲可读性为代价，不幸的是，这比他的方法 2 慢得多）[编辑： 经过一些基准测试后，它似乎是 Arun 的第一种方法，虽然在中小型尺寸上表现不佳，但实际上可以很多更好地扩展，在较大尺寸下获胜] [[另一个编辑： Grothendieck 解决方案是另一种在小尺寸上表现不佳，但比 Arun 的第一种方法更好的扩展方案]]：

substring(paste(list1, collapse = ""),
          seq(1, length(list1), 3),
          pmin(seq(3, length(list1)+2, 3), length(list1)))

基准测试

list1 = sample(letters, 10000, replace = T)
microbenchmark(eddi=substring(paste(list1, collapse = ""),seq(1, length(list1), 3),pmin(seq(3, length(list1)+2, 3), length(list1))),
               Arun1=sapply(split(list1, (seq_along(list1)-1) %/% 3), paste, collapse = ""),
               Arun2=strsplit(paste(list1, collapse=""), pattern, perl=TRUE)[[1]],
               Grothendieck=apply(matrix(c(list1, rep("", (3 - length(list1) %% 3) %% 3)), 3), 2, paste, collapse = ""),
               times = 100)
#Unit: milliseconds
#         expr       min       lq   median       uq      max neval
#         eddi  8.804764 10.17807 11.33133 11.58993 12.69495   100
#        Arun1 51.287326 61.74937 65.51151 67.15510 73.98805   100
#        Arun2 12.305300 13.52000 14.65123 15.00816 17.20151   100
# Grothendieck 25.043657 29.15488 29.87843 31.02118 45.85889   100

基准测试继续 这有点有趣，在 1e5 处，Arun1 实际上略微超越了其他两个：

list1 = sample(letters, 1e5, replace = T)
microbenchmark(eddi=substring(paste(list1, collapse = ""),seq(1, length(list1), 3),pmin(seq(3, length(list1)+2, 3), length(list1))),
               Arun1=sapply(split(list1, (seq_along(list1)-1) %/% 3), paste, collapse = ""),
               Arun2=strsplit(paste(list1, collapse=""), pattern, perl=TRUE)[[1]],
               Grothendieck=apply(matrix(c(list1, rep("", (3 - length(list1) %% 3) %% 3)), 3), 2, paste, collapse = ""),
               times = 30)
#Unit: milliseconds
#         expr      min       lq   median       uq      max neval
#         eddi 417.5631 452.6823 480.4397 528.6187 681.0612    30
#        Arun1 363.0641 401.6795 420.8844 475.2225 587.3645    30
#        Arun2 426.9462 466.5132 506.1106 552.9374 778.7303    30
# Grothendieck 178.2272 206.0161 216.2643 246.3848 280.7988    30

大 N 板凳

list1 = sample(letters, 1e6, replace = T)
microbenchmark(Arun1=sapply(split(list1, (seq_along(list1)-1) %/% 3), paste, collapse = ""),
+              Grothendieck=apply(matrix(c(list1, rep("", (3 - length(list1) %% 3) %% 3)), 3), 2, paste, collapse = ""), times = 10)
#Unit: seconds
#         expr      min       lq   median       uq      max neval
#        Arun1 5.829132 7.654288 8.582664 8.779793 9.168519    10
# Grothendieck 3.196645 3.416421 3.533622 3.725822 3.951419    10

【讨论】：

Arun1 在我的情况下似乎是最快的......当我尝试使用 1e5 时。
我也用基准更新了我的帖子。对于您的数据，所有这些都需要大约 37 毫秒。您可以尝试将数据增加到 1e5 并尝试相同的基准测试吗？并且请至少运行 3 次！ :) 从我的基准测试看来，正则表达式解决方案method2（最慢的）与您的解决方案非常匹配。
Arun1?真的吗？如果它是非线性的，那就很有趣了
在我的基准测试中，唯一似乎可以很好地扩展的是sapply 解决方案。正如@flodel 所写，可以用tapply (sapply+split) 代替。
@Arun，我看到了类似的东西 - 太好了，如果更优雅的解决方案在基准测试中获胜，我总是很高兴 :)

【解决方案3】：

让list1 <- letters[1:10]（展示当向量的长度不是 3 的倍数时它是如何工作的）。然后，试试这个：

list1 到 list2

# method 1 (seems to be the fastest so far, 
# my suspicions about loop being slower were wrong)
list2 <- sapply(split(list1, (seq_along(list1)-1) %/% 3), paste, collapse = "")
# alternatively as @flodel mentions
list2 <- tapply(list1, (seq_along(list1)-1) %/% 3, paste, collapse = "")

tapply 版本与sapply+split 的运行时间相似（未显示基准测试）。

更进一步，使用@JoshOBrien 在this post 中的想法

# method 2
pattern <- "(?<=[[:alnum:]]{3})(?=[[:alnum:]])"
strsplit(paste(list1, collapse=""), pattern, perl=TRUE)[[1]]
# [1] "abc" "def" "ghi" "j"

如果您想将最后一部分连接到最后一个部分（这里是 j 到 ghi），那么，请执行以下操作：

pattern <- "(?<=[[:alnum:]]{3})(?=[[:alnum:]]{3})"
strsplit(paste(list1, collapse=""), pattern, perl=TRUE)[[1]]
# [1] "abc"  "def"  "ghij"

list2 到 list1

unlist(strsplit(list2, ""), use.names=FALSE)
#  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j"

这是method1、method2 和 eddi 的基准测试：

数据：

list1 <- sample(letters, 1e5, replace=TRUE)

功能：

arun <- function() {
    pattern <- "(?<=[[:alnum:]]{3})(?=[[:alnum:]])"
    strsplit(paste(list1, collapse=""), pattern, perl=TRUE)[[1]]
}

arun2 <- function() {
    unname(sapply(split(list1, (seq_along(list1)-1) %/% 3), paste, collapse = ""))
}

eddi <- function() {
    substring(paste(list1, collapse = ""),
          seq(1, length(list1), 3),
          pmin(seq(3, length(list1)+2, 3), length(list1)))    
}

基准测试：

require(microbenchmark)
microbenchmark(t1 <- arun(), t2 <- eddi(), t3 <- arun2(), times=10)
identical(t1, t2) # TRUE
identical(t1, t3) # TRUE

# Unit: milliseconds
#           expr       min        lq    median        uq       max neval
#   t1 <- arun() 3352.9867 3400.8627 3512.7037 3585.6499 3635.2182    10
#   t2 <- eddi() 3302.0925 3318.4184 3356.2109 3409.9728 3487.7220    10
#  t3 <- arun2()  474.9235  494.7407  539.4406  641.2605  907.9072    10

【讨论】：