条件向量化答案

【问题标题】：Conditional vectorization条件向量化
【发布时间】：2016-05-15 21:41:15
【问题描述】：

给定如下数据框：

set.seed(123)
df1 <- data.frame(V1=sample(c(0,1,2),100,replace=TRUE),
  V2=sample(c(2,3,4),100,replace=TRUE),
  V3=sample(c(4,5,6),100,replace=TRUE),
  V4=sample(c(6,7,8),100,replace=TRUE),
  V5=sample(c(6,7,8),100,replace=TRUE))

我想对每一行求和，从值 >=2 的第一列开始，以值 >6 的列结束，否则求和直到行尾。

如何以矢量化方式执行此操作？

更新：这不适用于任何家庭作业。我只是想要更多可以学习和学习的矢量化代码示例。我之前不得不做类似上面的事情，但无法弄清楚这个特定任务的 apply 语法并诉诸 for 循环。

【问题讨论】：

我不明白这两个接近的投票，但也许它与你要求外部资源的最后一句话有关（我删除了）。我还怀疑这个问题根本上不是矢量化提供了很大希望的任务。你真的应该描述底层任务（至少如果它不仅仅是一个 CS HW 问题）。

标签： r vectorization

【解决方案1】：

我确信有一种更优雅的方法，但对于蛮力方法，您可以编写一个函数并将其传递给应用。

首先，定义您的示例数据

df <- data.frame(V1=sample(c(0,1,2),100,replace=TRUE),
                 V2=sample(c(2,3,4),100,replace=TRUE),
                 V3=sample(c(4,5,6),100,replace=TRUE),
                 V4=sample(c(6,7,8),100,replace=TRUE),
                 V5=sample(c(6,7,8),100,replace=TRUE))

编写一个定义条件语句的函数。使用 which 返回条件在向量中的位置。其中“start”的第一次使用拉动条件第一次出现的位置，因此括号使用[1]。由于结束位置有多种潜在结果，我使用 if 语句来实现它。如果没有一个值满足条件 > 6 对于“end”，则变量被分配到向量的最后一个位置，否则该位置满足条件。然后，只需根据要使用 sum 评估的开始值和结束值对向量进行子集化。

sum.col <- function(x) {
  start <- which(x >= 2)[1]
  end <- which(x > 6)
    if( length(end) == 0 ) {
      end <- length(x)
    } else {
      end <- end[length(end)]
  }
  return( sum( x[start:end] ) )  
}

现在我们可以将函数传递给apply，它为我们处理每一行的向量化。

apply(df, FUN=sum.col, MARGIN = 1)

【讨论】：

apply 函数不是矢量化。这只是一个伪装的for-loop。

【解决方案2】：

这是看起来最像 R 的方法，但我不认为它在 R 的含义中是“矢量化的”：

apply( df1, 1, function(x) sum( x[which(x>=2)[1]: min(which(x>6)[1], 5, na.rm=TRUE)] ) )
#---------
  [1] 15 22 16 19 17 17 23 21 14 13 18 13 16 23 15 18 16 21 16 19 17 23 21 18
 [25] 21 24 15 20 15 18 17 24 19 18 19 15 18 17 15 17 14 21 13 19 15 15 15 15
 [49] 21 19 21 15 17 18 14 17 15 16 22 16 23 22 17 21 17 16 23 23 16 14 18 13
 [73] 18 15 17 17 17 20 20 16 17 16 16 16 14 16 20 23 23 24 14 18 16 17 22 23
 [97] 23 19 20 17

【讨论】：

对不起。我在测试中使用了一个较小的示例，因此我将在提供的示例中添加测试的输出。
我不能保证第二列总是>= 2，但我猜这个例子是正确的。也许这只是一个 CS HW 问题，我们应该注意到这一点和终止条件。
是的，这是一个比我的更好的一般答案 - 如果条件或采样发生变化，您的很容易修复，我的没那么多。

【解决方案3】：

由于您的采样结构，我们可以很容易地进行矢量化。

我们知道只有第一列可以小于 2，因此被排除在外，并且必须包含列 V2、V3 和 V4，因为它们要么低于 6，要么第一个非 6。仅当 V4 列高于 6 时才排除 V5 列。

所以：

(df1$V1 == 2) * df1$V1 + df1$V2 + df1$V3 + df1$V4 + df1$V5 * !(df1$V4 > 6)

  [1] 15 22 16 19 17 17 23 21 14 13 18 13 16 23 15 18 16 21 16 19 17 23 21 18 21 24 15 20 15 18 17 24 19 18
 [35] 19 15 18 17 15 17 14 21 13 19 15 15 15 15 21 19 21 15 17 18 14 17 15 16 22 16 23 22 17 21 17 16 23 23
 [69] 16 14 18 13 18 15 17 17 17 20 20 16 17 16 16 16 14 16 20 23 23 24 14 18 16 17 22 23 23 19 20 17

是您的矢量化计算。这显然比这里的其他答案要少得多，但符合您的问题。

【讨论】：

【解决方案4】：

使用apply 将是最明智的解决方案。然而，由于我们似乎在竞争谁能在不使用基于 R 的循环的情况下回答这个问题，所以我谦虚地提供这个

m<-as.matrix(df1)
start<-max.col(m>=2,ties="first")
end<-max.col(`[<-`(m>6,,ncol(m),TRUE),ties="first")
i<-t(matrix(1:ncol(m),nrow=ncol(m),ncol=nrow(m)))
rowSums(m*(i>=start & i<=end))

输出与these answres相同。

【讨论】：