获取由子集参数向量定义的多个向量子集的长度答案

【问题标题】：Get lengths of multiple vector subsets defined by a vector of subset parameters获取由子集参数向量定义的多个向量子集的长度
【发布时间】：2014-05-22 11:54:26
【问题描述】：

我有一个由 n 元素组成的向量 x。

现在我想获得方案s = subset(x, x<=p) 的该向量的多个子集，其中p 将包含多个值，通过向量给出。

最后，我希望根据包含p 值的向量将这些子集的长度存储在一个向量中。

你能帮我在没有循环等的情况下这样做吗？

【问题讨论】：

标签： r vector

【解决方案1】：

另一种占用内存较少的解决方案：

set.seed(42)
x <- rnorm(20) 
p <- c(-1, 0, 1)
## sapply(p, function(pi) sum(x <= pi))
[1] 1 5 8

基准测试：

library(microbenchmark)
set.seed(42)
x <- rnorm(20000)
p <- rnorm(100)
microbenchmark(setNames(colSums(outer(x, p, "<=")), p), sapply(p, function(pi) sum(x <= pi)))
## Unit: milliseconds
##                                     expr      min       lq  median       uq      max neval
##  setNames(colSums(outer(x, p, "<=")), p) 29.33870 87.21804 88.5226 89.94144 94.34427   100
##     sapply(p, function(pi) sum(x <= pi)) 21.52853 22.23344 22.2959 22.46226 26.13650   100

【讨论】：

但这不是“没有循环”（我认为他们只想要 C 级循环）。
但是sapply 使用lapply 和lapply 调用.Internal(lapply(X, FUN)) - 这是一个“C 级循环”
我不太同意。毕竟，for 也是用 C 实现的。在这两种情况下，您都将 R 表达式/函数传递给循环函数。
不管怎样，玩outer 有点贵（尤其是对于大p 和x）.. 我在上面添加了一些基准
谢谢，这正是我所需要的！ :)

【解决方案2】：

set.seed(42)
x <- rnorm(20) 
p <- c(-1, 0, 1)

setNames(colSums(outer(x, p, "<=")), p)
#-1  0  1 
# 3 10 14

解释：

在outer 中使用<= 测试x 的每个元素与p 的每个元素。计算 colwise 和给出每个 p 值的 TRUE 值的数量。最后，我们使用p 值作为名称。

【讨论】：

感谢您的回答！由于我的数据向量不大，我并不关心速度，所以这个一样好。

【解决方案3】：

只是为了好玩，让我们用 Rcpp 来做。在这里，我先对输入进行排序，然后再利用它：

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
NumericVector countsmaller(NumericVector x, const NumericVector p) {
  x=x.sort();
  NumericVector sorted = clone(p).sort();
  IntegerVector order=match(p, sorted);
  int count = 0;
  double prob=sorted(0);
  int i=0;
   for(int j = 0; j < x.size(); ++j) {
      if (x(j) <= prob) 
      {
        count++;
      } 
      else 
      {
        if (i < sorted.size()-1)
        {
          sorted(i)=count;
          i++;
          prob=sorted(i);  
          if (x(j) <= prob) count++; else j--;
        }
      }
    }
    sorted(sorted.size()-1) = count;
   return sorted[order-1];
}

更快吗？

set.seed(42)
x <- rnorm(20000)
p <- rnorm(100)

all.equal(countsmaller(x, p), 
          sapply(p, function(pi) sum(x <= pi)))
#TRUE

library(microbenchmark)
microbenchmark(colSums(outer(x, p, "<=")), 
sapply(p, function(pi) sum(x <= pi)),
countsmaller(x, p)
)

# Unit: milliseconds
#                                 expr       min        lq    median        uq        max neval
#           colSums(outer(x, p, "<=")) 22.354525 64.833602 65.343129 66.161082 149.428049   100
# sapply(p, function(pi) sum(x <= pi)) 12.922805 13.344871 14.444304 15.009727  58.607176   100
#                   countsmaller(x, p)  1.650383  1.703044  1.730453  1.754937   2.222273   100

【讨论】：