如何为另一个向量中的每个元素获取向量中最接近的元素而不重复？答案

【问题标题】：How to get the closest element in a vector for every element in another vector without duplicates?如何为另一个向量中的每个元素获取向量中最接近的元素而不重复？
【发布时间】：2014-09-24 10:30:57
【问题描述】：

我得到了这段代码，它创建了两个向量，对于来自a 的每个元素，我想在b 中获取最接近的元素：

a = rnorm(100)
b = rnorm(100)
c = vapply(a, function(x) which.min(abs(b - x)), 1)
table(duplicated(c))

FALSE  TRUE 
   61    39

如您所见，此方法会提示提供大量重复项，这是正常的，但我希望没有重复项。一旦选择了索引，我就想从b 中删除出现，但我不知道如何在vapply 下执行此操作。

【问题讨论】：

所以要清楚，您正在寻找一个排列，p，这样sum(abs(a-b[p])) 被最小化？
好吧，我想你确实可以这么说
我猜data.table的加入函数roll = "nearest"在这里会很有用，ala stackoverflow.com/questions/15712826/…
@Chase 这也是我的第一个想法。但我看不出这有助于避免比赛中的重复。他们希望在向量的值之间建立一对一的关系。
@Wicelo 请提供可重现的输入和输出，并说明如果b 的每个值只能作为匹配项出现一次，您希望如何确定匹配项。 b 值是与最接近匹配的第一个 a 值匹配，还是与最接近 b 匹配的 a 值匹配？

标签： r vector

【解决方案1】：

您将获得的最接近的匹配是对向量进行排序，然后将它们配对。 b 上的以下排列应该允许您这样做。

p <- order(b)[order(order(a))] # order on b and then back transform the ordering of a

sum(abs(a-b[p]))
[1] 20.76788

显然，允许重复确实使事情更接近：

sum(abs(a-b[c]))
[1] 2.45583

【讨论】：

【解决方案2】：

这是一个非常糟糕的编程，但可能会工作并且是矢量化的......

   a <- rnorm(100)
   b <- rnorm(100)
   #make a copy of b (you'll see why)
   b1<-b
   res<- vapply(a, function(x) {ret<-which.min(abs(b1 - x));b1[ret]<<-NA;return(ret)}, 1)

【讨论】：

很好，这正是我在发布之前所做的，但是使用= 而不是<< 它不起作用，这两个运营商之间有什么区别？还有为什么你称它为糟糕的编程？
请参阅?"<<-"，了解<- 和<<- 运算符的含义。 <<- 很危险，因为它会在函数范围之外更改对象。

【解决方案3】：

我相信这是你能得到的最好的：sum(abs(sort(a) - sort(b)))

我使用data.table来保留a的原始排序：

require(data.table)

set.seed(1)

a <- rnorm(100)
b <- rnorm(100)

sum(abs(a - b))
sum(abs(sort(a) - sort(b)))

dt <- data.table(a = a, b = b)
dt[, id := .I]

# sort dt by a
setkey(dt, a)

# sort b
dt[, b := sort(b)]

# return to original order
setkey(dt, id)

dt
dt[, sum(abs(a - b))]

与 Chase 的解决方案相比，此解决方案提供了更好的结果：

dt2 <- as.data.table(foo(a,b))
dt2[, sum(abs(a - bval))]
dt[, sum(abs(a - b))]

结果：

> dt2[, sum(abs(a - bval))]
[1] 24.86731
> dt[, sum(abs(a - b))]
[1] 20.76788

【讨论】：

好的调用 - 按a 排序实际上更智能，并且会产生更好的结果。如果初始顺序不重要，只需 cbind(sort(a), sort(b) 即可。
好吧，我非常喜欢 nicola 的解决方案，但您是对的，您的解决方案提供了更好的差异总和。我将不得不研究 data.format 以及 setkey 和 := 运算符，我不知道这些东西 edit ：事实上，詹姆斯解决方案给出了相同的差异总和并且是班轮

【解决方案4】：

这几乎可以肯定可以通过矢量化得到改进，但似乎可以工作并且可能完成工作：

set.seed(1)
a = rnorm(5)
b = rnorm(5)

foo <- function(a,b) {

  out <- cbind(a, bval = NA)

  for (i in seq_along(a)) {
    #which value of B is closest?
    whichB <- which.min(abs(b - a[i]))
    #Assign that value to the bval column
    out[i, "bval"] <- b[whichB]
    #Remove that value of B from being chosen again
    b <- b[-whichB]
  }

  return(out)

}

#In action
foo(a,b)
---
              a       bval
[1,] -0.6264538 -0.8204684
[2,]  0.1836433  0.4874291
[3,] -0.8356286 -0.3053884
[4,]  1.5952808  0.7383247
[5,]  0.3295078  0.5757814

【讨论】：

你知道矢量化解决方案是否可行吗？
@Wicelo 翻译成 Rcpp 很简单。