在向量或列中查找第二（第三…）最高/最低值的最快方法

R提供了最大值和最小值，但是除了排序整个向量以及从该向量中选择值x之外，我没有看到一种真正快速的方法来按顺序查找另一个值。

有没有更快的方法来获得第二高的值（例如）？

谢谢

使用的partial参数sort()。对于第二高的值：

n <- length(x)
sort(x,partial=n-1)[n-1]

替代方法稍微慢一些，仅用于记录：

x <- c(12.45,34,4,0,-234,45.6,4)
max( x[x!=max(x)] )
min( x[x!=min(x)] )

我将Rob的答案包装到一个稍微更通用的函数中，该函数可用于找到最大2nd，3rd，4th（等等）：

maxN <- function(x, N=2){
  len <- length(x)
  if(N>len){
    warning('N greater than length(x).  Setting N=length(x)')
    N <- length(x)
  }
  sort(x,partial=len-N+1)[len-N+1]
}

maxN(1:10)

Rfast具有一个称为nth_element的函数，它可以完全满足您的要求，并且比上述所有实现都要快

也在上面所讨论的方法是基于局部排序，不支持找到k个最小的值

Rfast::nth(x, 5, descending = T)

将返回x的第五大元素，而

Rfast::nth(x, 5, descending = F)

将返回x的第五个最小元素

以下是针对最流行答案的基准。

对于1万个数字：

N = 10000
x = rnorm(N)

maxN <- function(x, N=2){
    len <- length(x)
    if(N>len){
        warning('N greater than length(x).  Setting N=length(x)')
        N <- length(x)
    }
    sort(x,partial=len-N+1)[len-N+1]
}

microbenchmark::microbenchmark(
    Rfast = Rfast::nth(x,5,descending = T),
    maxn = maxN(x,5),
    order = x[order(x, decreasing = T)[5]]
)

Unit: microseconds
  expr      min       lq      mean   median        uq       max neval
 Rfast  160.364  179.607  202.8024  194.575  210.1830   351.517   100
  maxN  396.419  423.360  559.2707  446.452  487.0775  4949.452   100
 order 1288.466 1343.417 1746.7627 1433.221 1500.7865 13768.148   100

对于一百万个数字：

N = 1e6 #evaluates to 1 million
x = rnorm(N)

microbenchmark::microbenchmark(
    Rfast = Rfast::nth(x,5,descending = T),
    maxN = maxN(x,5),
    order = x[order(x, decreasing = T)[5]]
)

Unit: milliseconds
  expr      min        lq      mean   median        uq       max neval
 Rfast  89.7722  93.63674  114.9893 104.6325  120.5767  204.8839   100
  maxN 150.2822 207.03922  235.3037 241.7604  259.7476  336.7051   100
 order 930.8924 968.54785 1005.5487 991.7995 1031.0290 1164.9129   100

这是查找向量中N个最小/最大值的索引的简单方法（例如N = 3）：

N <- 3

N最小：

ndx <- order(x)[1:N]

N最大：

ndx <- order(x, decreasing = T)[1:N]

因此，您可以将值提取为：

x[ndx]

对于第n个最高值，

sort(x, TRUE)[n]

我发现先删除max元素，然后再执行另一个max，运行速度相当：

system.time({a=runif(1000000);m=max(a);i=which.max(a);b=a[-i];max(b)})
   user  system elapsed 
  0.092   0.000   0.659 

system.time({a=runif(1000000);n=length(a);sort(a,partial=n-1)[n-1]})
   user  system elapsed 
  0.096   0.000   0.653 

这是我发现的最简单的方法，

num <- c(5665,1615,5154,65564,69895646)

num <- sort(num, decreasing = F)

tail(num, 1)                           # Highest number
head(tail(num, 2),1)                   # Second Highest number
head(tail(num, 3),1)                   # Third Highest number
head(tail(num, n),1)                   # Generl equation for finding nth Highest number

当我最近寻找给定向量中前N个最大/最小编号的索引的R函数时，令我惊讶的是，没有这样的函数。

这是非常相似的东西。

使用base :: order函数的强力解决方案似乎是最简单的解决方案。

topMaxUsingFullSort <- function(x, N) {
  sort(x, decreasing = TRUE)[1:min(N, length(x))]
}

但是，如果您的N值与向量x的长度相比相对较小，则它不是最快的方法。

另一方面，如果N很小，则可以迭代使用base :: whichMax函数，并且在每次迭代中，都可以用-Inf替换找到的值

# the input vector 'x' must not contain -Inf value 
topMaxUsingWhichMax <- function(x, N) {
  vals <- c()
  for(i in 1:min(N, length(x))) {
    idx      <- which.max(x)
    vals     <- c(vals, x[idx]) # copy-on-modify (this is not an issue because idxs is relative small vector)
    x[idx]   <- -Inf            # copy-on-modify (this is the issue because data vector could be huge)
  }
  vals
}

我相信您已经看到了问题-R的修改后复制性质。因此，对于非常非常小的N（1,2,3），它会表现更好，但对于较大的N值，它将迅速放慢速度。您正在遍历向量x N次中的所有元素。

我认为干净的R中最好的解决方案是使用局部base :: sort。

topMaxUsingPartialSort <- function(x, N) {
  N <- min(N, length(x))
  x[x >= -sort(-x, partial=N)[N]][1:N]
}

然后您可以从上面定义的函数结果中选择最后一个（第N个）项目。

注意：上面定义的功能仅是示例-如果要使用它们，则必须检查/理清输入（例如N> length（x））。

我在http://palusga.cz/?p=18上写了一篇关于非常相似的东西的小文章（获取向量的前N个max / min值的索引）-在这里您可以找到一些我上面定义的相似函数的基准。

head(sort(x),..)或tail(sort(x),...)应该工作

topn = function(vector, n){
  maxs=c()
  ind=c()
  for (i in 1:n){
    biggest=match(max(vector), vector)
    ind[i]=biggest
    maxs[i]=max(vector)
    vector=vector[-biggest]
  }
  mat=cbind(maxs, ind)
  return(mat)
}

此函数将返回具有前n个值及其索引的矩阵。希望对VDevi-Chou有帮助

这将在输入数值向量x中找到第N个最小值或最大值的索引。如果要从底部开始第N个，请在参数中设置bottom = TRUE，如果要从顶部开始第N个，请在bottom = FALSE中设置。N = 1和bottom = TRUE等效于which.min，N = 1和bottom = FALSE等效于which.max。

FindIndicesBottomTopN <- function(x=c(4,-2,5,-77,99),N=1,bottom=FALSE)
{

  k1 <- rank(x)
  if(bottom==TRUE){
    Nindex <- which(k1==N)
    Nindex <- Nindex[1]
  }

  if(bottom==FALSE){
    Nindex <- which(k1==(length(x)+1-N))
    Nindex <- Nindex[1]
  }

  return(Nindex)
}

dplyr具有函数nth，其中第一个参数是向量，第二个参数是您想要的位置。这也适用于重复元素。例如：

x = c(1,2, 8, 16, 17, 20, 1, 20)

寻找第二大价值：

 nth(unique(x),length(unique(x))-1)

[1] 17

您可以使用确定下一个更高的值cummax()。例如，如果您想要每个新的较高值的位置，则可以将cummax()值向量传递给diff()函数以标识cummax()值更改的位置。说我们有载体

v <- c(4,6,3,2,-5,6,8,12,16)
cummax(v) will give us the vector
4  6  6  6  6  6  8 12 16

现在，如果您想查找更改的位置，则cummax()可以使用许多选项sign(diff(cummax(v)))。由于，您必须调整丢失的第一个元素diff()。vector的完整代码为v：

which(sign(diff(cummax(v)))==1)+1

您可以sort像这样使用关键字：

sort(unique(c))[1:N]

例：

c <- c(4,2,44,2,1,45,34,2,4,22,244)
sort(unique(c), decreasing = TRUE)[1:5]

将给出前5个最大数字。