例如
a1 <- rbind(c(1,3), c(1,2))
A1 <- rbind(c(1, 2), c(1, 4), c(1,3), c(2, 4))
我想检查 a1 在 A1 的哪一行。 在这个例子中，返回值应该是 c(3, 1)。
【问题讨论】：
which(duplicated(rbind(A1, a1), fromLast=TRUE)) 不错。
我很抱歉没有测试早期的解决方案，我希望这对你有用：
options(stringsAsFactors =F)
a11 <- do.call("paste0",data.frame(a1))
A11 <- do.call("paste0", data.frame(A1))
which(A11 %in% a11)
输出：
> a11
[1] "13" "12"
> A11
[1] "12" "14" "13" "24"
> which(A11 %in% a11)
[1] 1 3
【讨论】：
使用apply 和duplicated 的解决方案。这个想法是使用apply 循环遍历A1 中的每一行，并使用函数rbind 每行到a1，并使用duplicated 和any 检查是否有任何重复项。
which(apply(A1, 1, function(x) any(duplicated(rbind(x, a1)))))
# [1] 1 3
或者我们可以将所有数字组合成字符串并匹配来自A1 和a1 的字符串。该解决方案的灵感来自 Pkumar 的解决方案。
which(apply(A1, 1, toString) %in% apply(a1, 1, toString))
# [1] 1 3
在 Dror Bogin 的答案的评论部分，OP 提出了一个解决方案，即which(duplicated(rbind(a1 ,A1))) - nrow(a1)。此解决方案仅在大矩阵中没有重复项时才有效，例如A1。
例如，考虑以下矩阵，A2，它与 A1 相同，除了三个额外的行，其中两个是重复的。
A2 <- rbind(c(1, 2), c(1, 4), c(1, 3), c(2, 4), c(5, 8), c(4, 3), c(5, 8))
A2 的预期输出也应该是c(1, 3)。但是，当我们使用 OP 的解决方案时，我们会在 7 处获得一个额外的索引。
which(duplicated(rbind(a1 ,A2)))-nrow(a1)
# [1] 1 3 7
但我的解决方案仍会返回 c(1, 3)。
which(apply(A2, 1, function(x) any(duplicated(rbind(x, a1)))))
# [1] 1 3
最后，如果 OP 确定没有任何重复项。我们可以使用下面的代码来进一步简化代码。
which(duplicated(rbind(A1, a1), fromLast = TRUE))
# [1] 1 3
由于 OP 提到现实世界的矩阵是巨大的，因此值得在这里对所有提出的方法进行性能评估。
到目前为止，我们一共有五种方法。
方法一：我提出的“apply-duplicate”方法。
方法2：受PKumar启发的“apply-toString-match”方法
方法 3：PKumar 提出的“do.call-dataframe-match”方法
方法四：Dror Bogin 提出的“for-loop”方法
方法5：tophcito提出的“data.table”方法
下面我使用microbenchmark包进行性能评估。
library(microbenchmark)
library(data.table)
microbenchmark(m1 = {which(apply(A1, 1, function(x) any(duplicated(rbind(x, a1)))))},
m2 = {which(apply(A1, 1, toString) %in% apply(a1, 1, toString))},
m3 = {which(do.call("paste0",data.frame(A1)) %in% do.call("paste0",data.frame(a1)))},
m4 = {v1 = vector()
for(i in 1:nrow(A1)){
b = ifelse(all(a1[1,] == A1[i,]),i,NA)
d = ifelse(all(a1[2,] == A1[i,]),i,NA)
v1 = c(v1,b,d)
}
v1[!is.na(v1)]},
m5 = {a1_dt <- as.data.table(as.data.frame(a1))
A1_dt <- as.data.table(as.data.frame(A1))
setnames(a1_dt, c("x", "y"))
setnames(A1_dt, c("x", "y"))
A1_dt[, id := 1:nrow(A1_dt)]
result <- merge(A1_dt, a1_dt, by = c("x", "y"))
result[, id]})
# Unit: microseconds
# expr min lq mean median uq max neval
# m1 164.498 191.7435 235.6025 215.1320 237.751 1777.094 100
# m2 71.968 82.2490 101.0790 99.2130 112.064 202.024 100
# m3 140.851 165.5265 197.3618 185.3175 206.908 395.824 100
# m4 4734.462 5107.4095 5450.1260 5348.2450 5535.876 8807.847 100
# m5 1286.684 1394.6360 1591.3651 1508.7560 1674.283 4361.256 100
结果显示方法 2 最快，方法 3 次之。方法 2 应该比方法 3 更快是有道理的，因为将对象从矩阵转换为数据框需要一些时间。方法1排在第三位，在我看来仍然是一种性能不错的方法。方法5比上述三种方法要慢，说明虽然data.table是为处理大数据帧而设计的，但是这种情况下不需要使用data.table进行操作。最后，方法 4 是最慢的，表明这种情况下 for 循环是低效的。
【讨论】：
您必须为要检查的每一行添加一个变量a1：
a1 <- rbind(c(1,3), c(1,2))
A1 <- rbind(c(1, 2), c(1, 4), c(1,3), c(2, 4))
v1 = vector()
for(i in 1:nrow(A1)){
b = ifelse(all(a1[1,] == A1[i,]),i,NA)
d = ifelse(all(a1[2,] == A1[i,]),i,NA)
v1 = c(v1,b,d)
}
v1 = v1[!is.na(v1)]
【讨论】：
使用%in% 和rowSums 的解决方案（应该是一种改进方法）：
apply(a1, 1,
function(x) which(rowSums(matrix(A1 %in% x, ncol = 2)) == 2))
另一种可能性是使用rowMeans 和== 1
【讨论】：
一种可能的解决方案是添加行号并将两个矩阵合并为数据表。优点是数据表针对速度和大数据进行了优化。
首先，将您的两个矩阵转换为数据表：
library(data.table)
a1 <- as.data.table(as.data.frame(a1))
A1 <- as.data.table(as.data.frame(A1))
setnames(a1, c("x", "y"))
setnames(A1, c("x", "y"))
让我们添加一个带有行号的附加列：
A1[, id := 1:nrow(A1)]
最后，我们合并两个表（这将返回 A1 的行，其中出现了来自 a1 的值）：
result <- merge(A1, a1, by = c("x", "y"))
由于您只对行号感兴趣，所以我们只选择它：
result[, id]
【讨论】：