如何根据逻辑从数字矩阵生成向量或因子（无 for 循环）答案

【问题标题】：how to generate a vector or factor from a numeric matrix based on logic (no for loop)如何根据逻辑从数字矩阵生成向量或因子（无 for 循环）
【发布时间】：2013-10-22 17:58:38
【问题描述】：

我有一个 30,000 行和 3 列的数字矩阵。我想根据矩阵每一行中的 3 个值生成一个简单的 PASS/FAIL 向量（或因子）。我想应用以下逻辑：

如果行中的所有 3 个值都 > 3，则输入 PASS，否则输入 FAIL。

我知道如何使用 for 循环来做到这一点，但我怎样才能更快地做到这一点？我有几十个这样的矩阵...谢谢！

as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

期望的输出：通过，通过，失败，失败

【问题讨论】：

我要感谢所有在这里回答的人！很抱歉，我对 PASS/FAIL 没有更准确 - 我知道编写一些解决方案只是为了使输出符合该要求。感谢您花时间回答，我学习了向量化函数，逻辑向量，ifelse和apply。继续使用 stackexchange 总是一个好主意。谢谢大家！

标签： r vector matrix

【解决方案1】：

使用all 和apply（尽管apply 使用它自己的循环）。

m <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

apply(m, 1, function(x) all(x > 3))
# [1]  TRUE  TRUE FALSE FALSE

如果您真的想要“PASS”和“FAIL”，您可以factorapply 步骤的结果。

factor(apply(m, 1, function(x) all(x > 3)), 
       levels = c(FALSE, TRUE), 
       labels = c("FAIL", "PASS"))
# [1] PASS PASS FAIL FAIL
# Levels: FAIL PASS

稍微扩展 Codoremifa 的答案，类似的方法适用于 data.table，特别是因为您指定要使用向量或因子作为输出。

library(data.table)
DT <- data.table(m)
DT[, all(.SD > 3), by = 1:nrow(DT)][, factor(V1, labels = c("FAIL", "PASS"))]
# [1] PASS PASS FAIL FAIL
# Levels: FAIL PASS

【讨论】：

我认为 data.table 结构非常简洁，但我设置了 500000 行 data.table 并且需要很长时间。是因为'by'吗？有什么解决方法吗？
@Codoremifa，不太确定。真正的长是多少？ :)
> dt <- data.table( + V1 = round(rnorm(500000,0,1),1), + V2 = round(rnorm(500000,0,1),1), + V3 = round(rnorm(500000,0,1),1) + ) > > system.time(dt[V1 > .7 & V2 > .7 & V3 > .7, Indicator :="PASS" ]) user system elapsed 0.14 0.00 0.14 > system.time(dt[, all(.SD > .7), by = 1:nrow(dt)][, factor(V1, labels = c("FAIL", "PASS"))]) user system elapsed 75.61 0.05 76.25
@Codoremifa，我猜这与逐行使用 .SD 有关。请参阅here，但我还没有想到解决方法。

【解决方案2】：

与此处的其他答案不同，它使用 rowSums 但这不是在 R 中循环，并且可以超过多个子集和逻辑。这应该是最快的路线了。

mat <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

vec <- ifelse(rowSums(mat > 3) == 3, TRUE, FALSE)

我们也可以绕过ifelse，让它变得更快。

vec <- rowSums(mat > 3) == 3

如果你测试这些时间，那很可能是赢家。在我的系统上，使用 30,000 行矩阵，我的第一个答案的输出速度大约是 gung 答案的两倍，第二个答案的输出速度是 10 倍，并且可以在大约 2 秒内在 1000 个 30,000 行矩阵上执行。 Codoremifa 答案是此处基于data.table 的最快答案，需要 20 秒（类似于 gung 答案）。

注意：我有点忽略了您对“PASS”、“FAIL”向量的请求，因为您似乎表示速度是最重要的，而且这是一个微不足道的语义区别。此外，如果需要，逻辑向量已经准备好对矩阵进行子集化。

【讨论】：

这正是我一直在寻找的，你是对的，PASS/FAIL 只是一个想法。不知道逻辑向量，非常有用！谢谢 - 我使用了 2 行解决方案！
@Stefan，我相信您只需一行：rowSums(m > 3) == ncol(m)。
对...更新了答案，因为最初我用 PASS/FAIL 编写了一些东西并且没有完全转换但是...为什么要使用 ncol？
@John，只是作为一种自动化的方式（所以我们不必先计算原始矩阵中有多少列）。

【解决方案3】：

library(data.table)
dt <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

dt <- data.table(dt)
dt[, Indicator :="FAIL"]
dt[V1 > 3 & V2 >3 & V3 >3, Indicator :="PASS" ]

【讨论】：

【解决方案4】：

另外，mapply:

mat <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

fun <- function(x, y, z) { ifelse(x > 3 & y > 3 & z > 3, "PASS", "FAIL") } 
mapply(fun, mat[,1], mat[,2], mat[,3])
#[1] "PASS" "PASS" "FAIL" "FAIL"

【讨论】：

【解决方案5】：

对于这样的问题，我的第一个倾向是结合?all、?apply和?ifelse，也许就像@Ananda提供的解决方案一样。正如他所提到的，apply() 正在使用循环。如果您想要一个完全矢量化的解决方案，您可以尝试：

newVector <- ifelse((xMatrix[,1]>3 & xMatrix[,2]>3 & xMatrix[,3]>3), 
                    "PASS", "FAIL")

向量化是 R 的一个方便的特性，它比循环快得多。您可以阅读有关矢量化的信息here。

【讨论】：