假设我有一个向量嵌套在一个或两个级别的数据框中。有没有使用该length()
函数的快速而肮脏的方法来访问最后一个值?是PERL的$#
特殊变种吗?
所以我想要这样的东西:
dat$vec1$vec2[$#]
代替
dat$vec1$vec2[length(dat$vec1$vec2)]
假设我有一个向量嵌套在一个或两个级别的数据框中。有没有使用该length()
函数的快速而肮脏的方法来访问最后一个值?是PERL的$#
特殊变种吗?
所以我想要这样的东西:
dat$vec1$vec2[$#]
代替
dat$vec1$vec2[length(dat$vec1$vec2)]
Answers:
我使用的tail
功能:
tail(vector, n=1)
用的好处tail
是,它可以在dataframes也不像x[length(x)]
成语。
x[length(x[,1]),]
没有错(请注意x
子集中的逗号),但肯定很尴尬。
x[length(x)]
对于较大的向量,此速度平均要慢30倍!
tail(vector, n=1)-tail(vector, n=2)
为了不是从美学角度而是以性能为导向来回答这个问题,我已经将上述所有建议通过一个基准进行了测试。确切地说,我已经考虑了建议
x[length(x)]
mylast(x)
,其中mylast
是通过Rcpp实现的C ++函数,tail(x, n=1)
dplyr::last(x)
x[end(x)[1]]]
rev(x)[1]
并将它们应用于各种大小的随机向量(10 ^ 3、10 ^ 4、10 ^ 5、10 ^ 6和10 ^ 7)。在查看这些数字之前,我认为应该清楚,任何在输入大小较大时变得明显变慢的事物(即,不是O(1)的事物)都不是选择。这是我使用的代码:
Rcpp::cppFunction('double mylast(NumericVector x) { int n = x.size(); return x[n-1]; }')
options(width=100)
for (n in c(1e3,1e4,1e5,1e6,1e7)) {
x <- runif(n);
print(microbenchmark::microbenchmark(x[length(x)],
mylast(x),
tail(x, n=1),
dplyr::last(x),
x[end(x)[1]],
rev(x)[1]))}
它给我
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 171 291.5 388.91 337.5 390.0 3233 100
mylast(x) 1291 1832.0 2329.11 2063.0 2276.0 19053 100
tail(x, n = 1) 7718 9589.5 11236.27 10683.0 12149.0 32711 100
dplyr::last(x) 16341 19049.5 22080.23 21673.0 23485.5 70047 100
x[end(x)[1]] 7688 10434.0 13288.05 11889.5 13166.5 78536 100
rev(x)[1] 7829 8951.5 10995.59 9883.0 10890.0 45763 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 204 323.0 475.76 386.5 459.5 6029 100
mylast(x) 1469 2102.5 2708.50 2462.0 2995.0 9723 100
tail(x, n = 1) 7671 9504.5 12470.82 10986.5 12748.0 62320 100
dplyr::last(x) 15703 19933.5 26352.66 22469.5 25356.5 126314 100
x[end(x)[1]] 13766 18800.5 27137.17 21677.5 26207.5 95982 100
rev(x)[1] 52785 58624.0 78640.93 60213.0 72778.0 851113 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 214 346.0 583.40 529.5 720.0 1512 100
mylast(x) 1393 2126.0 4872.60 4905.5 7338.0 9806 100
tail(x, n = 1) 8343 10384.0 19558.05 18121.0 25417.0 69608 100
dplyr::last(x) 16065 22960.0 36671.13 37212.0 48071.5 75946 100
x[end(x)[1]] 360176 404965.5 432528.84 424798.0 450996.0 710501 100
rev(x)[1] 1060547 1140149.0 1189297.38 1180997.5 1225849.0 1383479 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 327 584.0 1150.75 996.5 1652.5 3974 100
mylast(x) 2060 3128.5 7541.51 8899.0 9958.0 16175 100
tail(x, n = 1) 10484 16936.0 30250.11 34030.0 39355.0 52689 100
dplyr::last(x) 19133 47444.5 55280.09 61205.5 66312.5 105851 100
x[end(x)[1]] 1110956 2298408.0 3670360.45 2334753.0 4475915.0 19235341 100
rev(x)[1] 6536063 7969103.0 11004418.46 9973664.5 12340089.5 28447454 100
Unit: nanoseconds
expr min lq mean median uq max neval
x[length(x)] 327 722.0 1644.16 1133.5 2055.5 13724 100
mylast(x) 1962 3727.5 9578.21 9951.5 12887.5 41773 100
tail(x, n = 1) 9829 21038.0 36623.67 43710.0 48883.0 66289 100
dplyr::last(x) 21832 35269.0 60523.40 63726.0 75539.5 200064 100
x[end(x)[1]] 21008128 23004594.5 37356132.43 30006737.0 47839917.0 105430564 100
rev(x)[1] 74317382 92985054.0 108618154.55 102328667.5 112443834.0 187925942 100
这会立即排除所有涉及rev
或的东西,end
因为它们显然不是O(1)
(并且以非惰性方式评估结果表达式)。tail
并且dplyr::last
距离并不远,O(1)
但是它们也比mylast(x)
和慢很多x[length(x)]
。由于mylast(x)
速度慢x[length(x)]
且没有任何好处(相反,它是自定义的,不会优雅地处理空向量),我认为答案很明确:请使用x[length(x)]
。
mylastR=function(x) {x[length(x)}
它比mylast
Rcpp 快,但比x[length(x)]
直接编写慢一倍
结合lindelof和Gregg Lind的想法:
last <- function(x) { tail(x, n = 1) }
在提示符下工作时,我通常会忽略n=
,即tail(x, 1)
。
与last
from pastecs
包不同,head
and tail
(from utils
)不仅适用于矢量,而且适用于数据帧等,并且还可以返回数据“ 不带前/后n个元素 ”,例如
but.last <- function(x) { head(x, n = -1) }
(请注意,您必须使用head
而不是tail
。)
x[length(x)]
对于较大的向量,此速度平均要慢30倍!
所述dplyr封装包括功能last()
:
last(mtcars$mpg)
# [1] 21.4
x[[length(x)]]
。
last()
并将该函数存储在某个地方,就像上面几个人所做的那样。您可以从CRAN中获得功能的可移植性,从而提高了功能的可读性,以便其他人可以运行代码。
mtcars$mpg %>% last
,具体取决于您的偏好。
x[[length(x)]]
!
我只是使用以下代码在663552行的数据帧上对这两种方法进行了基准测试:
system.time(
resultsByLevel$subject <- sapply(resultsByLevel$variable, function(x) {
s <- strsplit(x, ".", fixed=TRUE)[[1]]
s[length(s)]
})
)
user system elapsed
3.722 0.000 3.594
和
system.time(
resultsByLevel$subject <- sapply(resultsByLevel$variable, function(x) {
s <- strsplit(x, ".", fixed=TRUE)[[1]]
tail(s, n=1)
})
)
user system elapsed
28.174 0.000 27.662
因此,假设您正在使用向量,则访问长度位置的速度明显更快。
tail(strsplit(x,".",fixed=T)[[1]],1)
第二种情况?对我来说,的主要优点tail
是您可以将其编写为一行。;)
套餐data.table
包括last
功能
library(data.table)
last(c(1:10))
# [1] 10
x[[length(x)]]
。
关于什么
> a <- c(1:100,555)
> a[NROW(a)]
[1] 555
NROW
您在许多不同的数据类型上所做的事情,但这与a[length(a)]
OP希望避免的事情基本相同。使用OP的嵌套向量示例,dat$vec1$vec2[NROW(dat$vec1$vec2)]
仍然很混乱。
nrow
nrow
, NROW
将向量视为1列矩阵。