Как найти равные столбцы в R?

Учитывая следующее:

a <- c(1,2,3)
b <- c(1,2,3)
c <- c(4,5,6)
A <- cbind(a,b,c)

Я хочу найти, какие столбцы в A равны, например, моему вектору a.

Моя первая попытка будет:

> which(a==A)
[1] 1 2 3 4 5 6

Который не делал этого. (Слишком честно, я даже не понимаю, что это сделал) Вторая попытка была:

a==A
        a    b     c
[1,] TRUE TRUE FALSE
[2,] TRUE TRUE FALSE
[3,] TRUE TRUE FALSE

что определенно является шагом в правильном направлении, но кажется расширенным в матрицу. Я бы предпочел что-то вроде одной из строк. Как сравнить вектор со столбцами и как найти столбцы в матрице, которые равны вектору?

4 ответа

Решение

Если вы добавите дополнительную строку:

> A
     a b c  
[1,] 1 1 4 4
[2,] 2 2 5 2
[3,] 3 3 6 1

Тогда вы можете увидеть, что эта функция верна:

> hasCol=function(A,a){colSums(a==A)==nrow(A)}
> A[,hasCol(A,a)]
     a b
[1,] 1 1
[2,] 2 2
[3,] 3 3

Но более ранняя принятая версия не делает:

> oopsCol=function(A,a){colSums(a==A)>0}
> A[,oopsCol(A,a)]
     a b  
[1,] 1 1 4
[2,] 2 2 2
[3,] 3 3 1

Он возвращает столбец 4,2,1, потому что 2 соответствует 2 в 1,2,3.

Использование identical, Это оператор скалярного сравнения R; он возвращает единственное логическое значение, а не вектор.

apply(A, 2, identical, a)
#    a     b     c 
# TRUE  TRUE FALSE 

Если A это фрейм данных в вашем реальном случае, вам лучше использовать sapply или же vapply так как apply принуждает его вводить в матрицу.

d <- c("a", "b", "c")
B <- data.frame(a, b, c, d)

apply(B, 2, identical, a) # incorrect!
#     a     b     c     d 
# FALSE FALSE FALSE FALSE 

sapply(B, identical, a) # correct
#    a     b     c     d 
# TRUE  TRUE FALSE FALSE

Но учтите, что data.frame Приводит ввод символов к факторам, если вы не спросите иначе:

sapply(B, identical, d) # incorrect
#     a     b     c     d 
# FALSE FALSE FALSE FALSE 

C <- data.frame(a, b, c, d, stringsAsFactors = FALSE)
sapply(C, identical, d) # correct
#     a     b     c     d 
# FALSE FALSE FALSE  TRUE 

Идентичность также значительно быстрее, чем при использовании all + ==:

library(microbenchmark)

a <- 1:1000
b <- c(1:999, 1001)

microbenchmark(
  all(a == b), 
  identical(a, b))
# Unit: microseconds
#              expr   min    lq median     uq    max
# 1     all(a == b) 8.053 8.149 8.2195 8.3295 17.355
# 2 identical(a, b) 1.082 1.182 1.2675 1.3435  3.635

Конечно, есть лучшее решение, но работает следующее:

> a <- c(1,2,3)
> b <- c(1,2,3)
> c <- c(4,5,6)
> A <- cbind(a,b,c)
> sapply(1:ncol(A), function(i) all(a==A[,i]))
[1]  TRUE  TRUE FALSE

И чтобы получить индексы:

> which(sapply(1:ncol(A), function(i) all(a==A[,i])))
[1] 1 2
colSums(a==A)==nrow(A)

Переработка == марки a эффективно матрица, которая имеет все столбцы, равные a и размеры равны тем из A, colSums суммирует каждый столбец; в то время как TRUE ведет себя как 1 и FALSE как 0, столбцы равны a будет иметь сумму, равную количеству строк. Мы используем это наблюдение, чтобы окончательно свести ответ к логическому вектору.

РЕДАКТИРОВАТЬ:

library(microbenchmark)

A<-rep(1:14,1000);c(7,2000)->dim(A)
1:7->a

microbenchmark(
 apply(A,2,function(b) identical(a,b)),
 apply(A,2,function(b) all(a==b)),
 colSums(A==a)==nrow(A))

# Unit: microseconds
#                                     expr      min        lq    median
# 1     apply(A, 2, function(b) all(a == b)) 9446.210 9825.6465 10278.335
# 2 apply(A, 2, function(b) identical(a, b)) 9324.203 9915.7935 10314.833
# 3               colSums(A == a) == nrow(A)  120.252  121.5885   140.185
#         uq       max
# 1 10648.7820 30588.765
# 2 10868.5970 13905.095
# 3   141.7035   162.858
Другие вопросы по тегам