R:当差异低于某个阈值时的平均序列值

标签 r merge rcpp

我想采用递增的数字序列(例如一系列时间)

set.seed(41);  d <- seq(1:100) + runif(100, 0, 1)

如果两个连续数字之间的差异低于阈值,则通过取两者的平均值将它们合并为一个点,然后继续进行直到下一次需要合并为止。我求助于我通常避免使用的函数:whileifelse 来编写一个快速而肮脏的函数,它可以工作,但速度不快。您能否更有效地解决此任务 2)而不调用 for 或 while 循环。是否有一些内置函数(也许具有更多功能)非常适合此类任务?

combine_points <- function(x, th=0.5)
{ 
    i = 1                           # start i at 1
    while(min(diff(x)) < th)        # initiate while loop
    {
    ifelse(x[i+1] - x[i] < th,      # logical condition
           x[i] <- x[i+1] <- 
           mean(c(x[i+1], x[i])),      # assignment if TRUE
           (x[i] <- x[i]))          # assignment if FALSE
    x <- sort(unique(x))            # get rid of the duplicated entry created when
                                    # the ifelse statement was TRUE
    # increment i or reset i to 1 if it gets too large
    ifelse(i == length(x), i <- 1, i <- i+1 )
    }
    return(x)
}

newd <- combine_points(d)  
th <- 0.5
which(diff(newd) < th)

integer(0)

更新迄今为止的解决方案基准。

我使用更大的样本向量进行了基准测试,当向量变长时,@Roland 建议的 Rcpp 解决方案比我的第一个 while 循环慢。我对最初的 while 循环进行了改进,并制作了它的 Rcpp 版本。基准测试结果如下。请注意,@flodel 答案不能直接比较,因为它是一种根本不同的组合方法,但它绝对非常快。

set.seed(41);  d <- seq(1:4000) + runif(4000, 0, 1)
library(microbenchmark)
microbenchmark(
     combine_points.Frank(d,th=0.5),
     combine_points.Frank2(d,th=0.5),
     combine_points_Roland(d,th=0.5),
     combine_points_Roland2(d,th=0.5))
Unit: milliseconds
                                expr       min        lq    median        uq        max neval
   combine_points.Frank(d, th = 0.5) 2115.6391 2154.5038 2174.5889 2193.8444  7884.1638   100
  combine_points.Frank2(d, th = 0.5) 1298.2923 1323.2214 1341.5357 1357.4260 15538.0872   100
  combine_points_Roland(d, th = 0.5) 2497.9106 2506.5960 2512.3591 2519.0036  2573.2854   100
 combine_points_Roland2(d, th = 0.5)  494.8406  497.3613  498.2347  499.8777   544.9743   100

这比我的第一次尝试有了很大的进步,下面是 Rcpp 版本,这是迄今为止最快的:

combine_points.Frank2 <- function(x, th=0.5)
{ 
    i = 1
    while(min(diff(x)) < th)
    {
    if(x[i+1] - x[i] >= th){ 
           i <- i + 1}
    else {
           x[i] <- x[i+1] <- 
           mean(c(x[i+1], x[i]));x <- unique(x); i <- i }  
    }
    return(x)
}

Rcpp版本

cppFunction('
 NumericVector combine_points_Roland2(NumericVector x, double th) {
  int i=0;
  while(min(diff(x)) < th)   
  {
    if ((x[i+1] - x[i]) >= th)
    {
      i = i + 1;
    }
    else{
      x[i] = (x[i+1] + x[i])/2;
      x[i+1] = x[i];
      x = sort_unique(x);
      i = i;
    }
   }
   return x;
}
')

最佳答案

这是更快的东西。它避免了在循环中调整/复制 x 的大小。

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
 NumericVector combine_points_Roland3(NumericVector x, double th) {
  int i=0, j;
  int n(x.size());
  while(i < n-1)   
  {
    if ((x[i+1] - x[i]) >= th)
    {
      i = i + 1;
    }
    else{
      x[i] = (x[i+1] + x[i])/2;
      n = n-1;
      for (j=i+1; j<n; j++) 
      {
        x[j]=x[j+1];
      }      
    }
  }
  NumericVector y(n);
  for (i = 0; i < n; i++) {
    y[i] = x[i];
  }
   return y;
}

相同算法的 R 实现:

combine_points_Roland3R <- function(x, th) {
  i <- 1
  n <- length(x)

  while(i < n) {
    if ((x[i+1] - x[i]) >= th) {
      i <- i + 1;
    } else {
      x[i] <- (x[i+1] + x[i])/2
      n <- n-1
      x[(i+1):n] <- x[(i+2):(n+1)]
    }
  }
  x[1:n]
}

set.seed(41);  d <- seq(1:4000) + runif(4000, 0, 1)
x2 <- combine_points_Roland2(d, 0.5)
x3 <- combine_points_Roland3(d, 0.5)
all.equal(x2, x3)
#TRUE
x4 <- combine_points_Roland3R(d, 0.5)
all.equal(x2, x4)
#TRUE

基准:

library(microbenchmark)
microbenchmark(combine_points_Roland2(d, 0.5),
               combine_points_Roland3(d, 0.5), 
               combine_points_Roland3R(d, 0.5))

# Unit: microseconds
#                            expr       min         lq      median          uq        max neval
#  combine_points_Roland2(d, 0.5) 126458.64 131414.592 132355.4285 133422.2235 147306.728   100
#  combine_points_Roland3(d, 0.5)    121.34    128.269    140.8955    143.3595    393.582   100
# combine_points_Roland3R(d, 0.5)  17564.24  18626.878  19155.6565  20910.2935  68707.888   100

关于R:当差异低于某个阈值时的平均序列值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22579663/

相关文章:

r - dev ='png' 不适用于 knitr 中的 pdf 输出

r - 根据 2 列中的组唯一 ID 创建序列号

R:基于 NA 位置合并来自同一 data.frame 的列

git - 将远程 github 存储库中的更改 merge 到本地存储库

xml - as.Date 产生月份名称 "März"(三月)的 NA

RNetLogo 函数 NLStart 无法启动 gui

python - 如何计算多个数据帧之间的重叠行?

r - 包未提供的功能

Rcpp 错误 Null 值作为符号地址传递

r - R 和 RcppArmadillo 中的 OpenMP 支持