如何在R中的向量中找到一个值与其最接近的值之间的差异？答案

【问题标题】：How to find the difference between a value and its closest value in a vector in R?如何在R中的向量中找到一个值与其最接近的值之间的差异？
【发布时间】：2019-02-24 21:31:09
【问题描述】：

我有一个像下面这样的向量：

x= c(1,23,4,15,8,17,21)

在对向量中的值进行排序后，我们有：

c(1,4,8,15,17,21,23)

我需要的输出是：

c(3, 3, 4, 2, 2, 2, 2)

其中包含该值与其最接近的值之间的差异。

但是如果我想在没有排序的情况下输出，有什么解决方案吗？我需要一个像 c(3,2,3,2,4,2,2) 这样的输出来知道哪个样本在输出表中具有最大值（这里第 5 个值是结果）

【问题讨论】：

@PierreLafortune 我是这样理解这个问题的：取向量的每个元素与任何其他元素之间的差异，返回无符号最小值。
所以基本上你想要一个函数，从所有内容中减去所有内容并打印每个值的最小差异......？
未排序的向量也应该适用于我之前展示的outer 解决方案。
你不想排序的原因是什么？它使任何可能的解决方案都更加高效。
@akrun 您的解决方案使用了太多内存，无法与其他对象一起使用。检查object.size(m1) 看看它的增长速度与x 一样。

标签： r statistics

【解决方案1】：

d <- diff(sort(x))
pmin(c(d, NA), c(NA, d), na.rm = TRUE)
# [1] 3 3 4 2 2 2 2

【讨论】：

非常好，我总是忘记'pmin'。当用于 10e5 个元素的向量（所以甚至没有那么大）时，您的解决方案比我的解决方案快 38 倍。
感谢所有解决方案，...但是如果我想找出 put 而不进行排序，有什么解决方案吗？就像......（3,2,3,2,4,2,2）。
@star，那么你可以使用pmin(c(d, NA), c(NA, d), na.rm = TRUE)[match(x, sort(x))]。
@star 请考虑接受此解决方案，用于存档目的并阻止其他人花时间处理已提供适当解决方案的问题。

【解决方案2】：

如果我理解正确，您想计算向量成员与其邻居之间的最小值。

首先，我们对数据进行排序。

x= sort(c(1,23,4,15,8,17,21))

然后，我们计算与左邻居的差异（项目 1 缺失）和右邻居的差异（项目 2 缺失）

diffs <- cbind(c(NA,diff(x)),c(diff(x),NA))

所以，现在我们有了每个项目的左右差异，现在剩下的就是找到最小的：

res <- apply(diffs,MARGIN=1, min, na.rm=T)

请注意，虽然此解决方案包含说明，但当性能成为问题时，其他提供的解决方案（尤其是 @Julius 的 pmin 方法）可能更快。

【讨论】：

【解决方案3】：

不错的解决方案。 Julius' 似乎是最快的：

library(microbenchmark)
set.seed(1262016)
x <- sample(1e5)

all.equal(heroka, NicE, julius, Ambler)
[1] TRUE

microbenchmark(

  julius = {d <- diff(sort(x))
  pmin(c(d, NA), c(NA, d), na.rm = TRUE)},

  NicE = {x <- sort(x)
  pmin(abs(x-lag(x)),abs(x-lead(x)),na.rm=T)},

  Heroka = {x= sort(x)
  diffs <- cbind(c(NA,diff(x)),c(diff(x),NA))
  apply(diffs,MARGIN=1, min, na.rm=T)},

  Ambler = {n <- length(x)
  ds <- c(
    x[2] - x[1], 
    sapply(
      2:(n - 1), 
      function(i) min(x[i] - x[i - 1], x[i + 1] - x[i])
    ),
    x[n] - x[n - 1]
  )}
)
# Unit: milliseconds
#   expr        min         lq      mean     median        uq       max neval
# julius   4.167302   5.066164  13.94478   7.967066  10.11920  89.06298   100
# NicE     4.678274   6.804918  13.85149   9.297575  12.45606  83.41032   100
# Heroka 142.107887 176.768431 199.96590 196.269671 221.05851 299.30336   100
# Ambler 268.724129 309.238792 334.66432 329.252146 359.88103 409.38698   100

【讨论】：

NicE 的速度接近，但我喜欢不需要额外库的解决方案。
它们本质上是捆绑在一起的。但随着规模超过一百万，朱利叶斯的解决方案更加突出。

【解决方案4】：

你可以试试：

library(dplyr)
x <- sort(x)
pmin(abs(x-lag(x)),abs(x-lead(x)),na.rm=T)
#[1] 3 3 4 2 2 2 2

x-lag(x) 计算与最接近的较小数字的差，x-lead(x) 与最接近的较大数字的差。

【讨论】：

【解决方案5】：

你可以通过蛮力做到这一点：

x <- c(1, 4, 8, 15, 17, 21, 23)

n <- length(x)
ds <- c(
  x[2] - x[1], 
  sapply(
    2:(n - 1), 
    function(i) min(x[i] - x[i - 1], x[i + 1] - x[i])
  ),
  x[n] - x[n - 1]
)

【讨论】：