r - 省略数据框中元素相同的行

标签 r rcpp

假设我们有一个这样的数据框

DataFrame ref = DataFrame::create( Named("sender") = sender , Named("receiver") = receiver);

相应的R代码如下:
edge <- as.data.frame(edge) %>%
set_colnames(c("time", "sender", "receiver"))
edge <- rbind(c(0,0,0), edge)
ref  <- data.frame(sender = rep(1:n, times = n),
                receiver = rep(1:n, each = n)

 ) %>%
filter(sender != receiver) %>%
mutate(teller = 1:(n*(n-1))) 

此数据框中的某些行具有相同的元素,例如2 2,我想找到它们并将其从数据框中删除。然后,我想向该数据帧添加另一列,就像从1到新数据帧的行数的数字一样。

例子:

Please see here

最佳答案

我认为这个问题可以解释为this Stack Overflow question的副本,但是我在这里单独回答以说明我的观点,即如果您这样做是为了提高性能,那么Rcpp可能不是完成此特定任务的方法。也就是说,有许多任务需要使用Rcpp来提高性能,但是子集数据帧行并不是这些任务之一。

按照我链接的答案中的方法,代码很容易设置:

#include <Rcpp.h>

// [[Rcpp::export]]
Rcpp::DataFrame foo(Rcpp::DataFrame x) {
    Rcpp::NumericVector sender = x["sender"];
    Rcpp::NumericVector receiver = x["receiver"];
    Rcpp::LogicalVector indices = sender != receiver;
    return Rcpp::DataFrame::create(Rcpp::Named("sender") = sender[indices],
                                   Rcpp::Named("receiver") = receiver[indices]);
}

但是,我们可以看到它的执行速度实际上比基本R差(而且data.table可以稍微降低基本R的性能):

library(dplyr)
library(Rcpp)
library(microbenchmark)
library(data.table)

sourceCpp("so.cpp")

for ( n in 10^(1:3) ) {
    ref  <- data.frame(sender = rep(1:n, times = n),  ## If you're using
                       receiver = rep(1:n, each = n)) ## data frames
    refDT <- setDT(ref) ## If you're using data.table
    cat("For n =", n, "(a data frame with", nrow(ref), "rows)\n")
    print(microbenchmark(base = ref[ref$sender != ref$receiver, ],
                         dplyr = ref %>% filter(sender != receiver),
                         rcpp = foo(ref),
                         data.table = refDT[sender != receiver]))
    cat("\n")
}

For n = 10 (a data frame with 100 rows)
Unit: microseconds
       expr     min       lq     mean   median       uq     max neval
       base 123.917 140.0025 160.7615 155.1905 170.7825 302.520   100
      dplyr 397.308 430.7595 478.0543 446.9185 492.5705 900.716   100
       rcpp 189.473 212.9530 238.8270 223.3305 240.7950 461.452   100
 data.table 122.436 135.9185 160.6607 154.0565 166.7825 460.739   100

For n = 100 (a data frame with 10000 rows)
Unit: microseconds
       expr     min       lq     mean   median       uq     max neval
       base 205.978 224.9760 250.7321 244.3315 265.5060 510.079   100
      dplyr 519.276 581.4535 629.2837 615.7095 662.8060 989.698   100
       rcpp 369.276 430.3510 463.1586 471.3195 486.4450 736.907   100
 data.table 198.012 221.8445 248.9371 246.2385 267.5325 341.935   100

For n = 1000 (a data frame with 1000000 rows)
Unit: milliseconds
       expr       min        lq      mean    median        uq      max
       base  6.535990  6.892702  7.664697  7.203983  7.554144 11.42160
      dplyr  8.795884  9.239173 10.024997  9.618395  9.992066 15.04914
       rcpp 15.116928 15.598556 17.164895 16.216766 17.066418 30.45578
 data.table  6.624728  6.905202  7.543284  7.137171  7.482922 11.67061
 neval
   100
   100
   100
   100

关于r - 省略数据框中元素相同的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61800528/

相关文章:

r - 在 Rcpp 中对随机整数进行采样

R:计算并绘制两个密度等高线之间的差异

r - Shiny 的 selectizeInput : Read current text

r - 如何在 Rcpp 上使用 qnorm?

c++ - Rcpp NumericalMatrix 数据类型,全局声明

r - 向 Rcpp::DataFrame 添加列正在回退到列表

Rcpp::DataFrame::create 仅限于 20 个参数?

r - 将值映射到 data.table 的简洁明了的习语是什么

r - 选择满足条件的多列

arrays - 以数组作为输出的并行 `for` 循环