将向量中的值与所有其他向量进行比较

Question

假设以下数据集：

+---------------+------------+---------- + |航空公司 |销售总额 |出发前几天 | +---------------+------------+---------- + |吉隆坡 | 477.99 | 0 | |自动对焦 | 457.99 | 0 | |平方 | 556.31 | 0 | +---------------+------------+---------- +

我想做的是：

1. 将列中的值与同一列中的所有其他值进行比较。
2. saleTotal(1) 是否小于 saleTotal(2) 和 saleTotal(3) 的值
3. 如果是，多少？ saleTotal(3)/saleTotal(1)

工单：

• 477,99
• 477,99 (556.31/477.99)-1=1.16（增加 16%）
• 457.99 .....
• 457.99 .....
• 556.31
• 556.31

到目前为止我所做的尝试：

cal <- apply(df_matrix[1:2,2], 1, function(x) {
  A <- x
  x <- x[-1]
  ifelse(x>A, 1, ifelse(x<A, 0, NA))
})
cal

这没有成功并打印出“logical(0)”，所以我猜没有结果。 我尝试了很多方法，使用 lapply、mapply，但似乎都是比较静态数字而不是前几行。

我从 apply 中了解到的是，每个 X 都有其“迭代”的行。这就是为什么我尝试比较 X>A 而 A 是具有所有 saleTotal 值的整个向量的原因。因此，遍历每一个。

---

预期输出 业务产出：“价格比 XY 其他价格便宜”

我想这将是避免大矩阵和尽可能低内存的最佳方法） 有没有办法直接“nrow()”结果而不是先创建矩阵/列表？

+------------+-------------+ |销售总额 |比 | 便宜 +------------+-------------+ | 477.99 | 1 | | 457.99 | 2 | | 556.31 | 0 | +------------+-------------+

知道怎么做吗？性能怎么样，我有 100000+ 行？

编辑：预期输出（一种方式）

Answer 1

请参阅末尾关于效率的说明

根据您的预期输出，您可以迭代每个值并计算（将TRUE 值相加）该值比所有其他值便宜多少次，并返回一个列表以将该值与计数“配对”：

sapply(data[,2],function(x) {
  list(x, sum(x < data[,2]))
})

以长格式给出：

     [,1]   [,2]   [,3]  
[1,] 477.99 457.99 556.31
[2,] 1      2      0     

如果您只想向现有数据集添加一列，应该这样做：

data$cheaperThan <- sapply(data[,2],function(x) sum(x < data[,2])) 

使用的数据：

> system.time(sapply(large,function(x) sum(x < large)))
utilisateur     système      écoulé 
       1.08        0.22        1.30 
> system.time(length(large) - findInterval(large,sort(large)))
utilisateur     système      écoulé 
       0.01        0.00        0.01 

@alexis_laz 解决方案，如果真的真的真的更有效：

> set.seed(123)
> test <- runif(50000)*100
> identical(sapply(test,function(x) sum(x < test)), (length(test) - findInterval(test,sort(test))))
[1] TRUE
> system.time(sapply(test,function(x) sum(x < test)))
utilisateur     système      écoulé 
      13.64        1.24       14.96 
> system.time(length(test) - findInterval(test,sort(test)))
utilisateur     système      écoulé 
       0.01        0.00        0.02

Answer 2

你可以像这样使用?outer：

outer(df$saleTotal, df$saleTotal, "/")
#          [,1]     [,2]      [,3]
#[1,] 1.0000000 1.043669 0.8592152
#[2,] 0.9581581 1.000000 0.8232640
#[3,] 1.1638528 1.214677 1.0000000

大于 1 的值表示增加，小于 1 的值表示减少，矩阵的对角线全为 1，因为它将每个值与自身进行比较。

当然，您可以将其修改为仅显示大于 1 的值，例如使用：

res <- outer(df$saleTotal, df$saleTotal, "/")
res * as.integer(res > 1)
#         [,1]     [,2] [,3]
#[1,] 0.000000 1.043669    0
#[2,] 0.000000 0.000000    0
#[3,] 1.163853 1.214677    0

或者，如果您只想要一个逻辑矩阵：

res > 1
#      [,1]  [,2]  [,3]
#[1,] FALSE  TRUE FALSE
#[2,] FALSE FALSE FALSE
#[3,]  TRUE  TRUE FALSE