logo标签列表

使用逻辑“或”组合列表中的逻辑向量

rlistbooleanboolean-logic
18

问题

如何使用逐元素比较和逻辑 OR (|) 有效地组合列表中的逻辑向量。结果应该是与输入向量相同长度的逻辑向量。如果任何一个输入值为TRUE，则结果为TRUE，否则结果为FALSE。

示例

我有一个名为 opts 的列表，其中包含一组相同长度的逻辑向量。

> str(opts)
List of 5
 $ option1: logi [1:608247] FALSE FALSE FALSE FALSE FALSE FALSE ...
 $ option2: logi [1:608247] FALSE TRUE  FALSE TRUE  TRUE  TRUE  ...
 $ option3: logi [1:608247] FALSE TRUE  FALSE FALSE TRUE  FALSE ...
 $ option4: logi [1:608247] FALSE FALSE FALSE FALSE FALSE FALSE ...

我希望您可以将这个作为结果:

logi [1:608247] FALSE TRUE FALSE TRUE TRUE TRUE ...

因此，结果的第一个值FALSE是因为在列表的所有向量的第一个位置上都没有TRUE。结果的第二个值TRUE是因为在向量的第二个位置上有两个（至少一个any），TRUE。

如果可以更好地使用matrix或data.frame或其他什么数据结构来获取这个结果，我可以更改我的数据结构，只要我能从lapply中获得它就可以。

4个回答
38

如何减少：

Reduce("&", opts)
Reduce("|", opts)
3
这是最清晰的解决方案，而且根据我的基准测试，也是最快的。 - mrip
1
谢谢！我不知道Reduce的存在。它正是我正在寻找的东西。 - while
我尝试获取案例的“总和”（以评估TRUE与FALSE哪个更频繁），但正确的函数不是“sum”，而是“+”...以防其他人有同样的问题。 - Antonio Canepa
据我所知，这样的特殊函数（如 &、| 或 +）只有在反引号（`）中而不是在引号（"）中才能起作用。 - Matteo
@Matteo，如果您正在调用_object_，那么是的，您需要使用反引号。但是，如果您是指对象的名称（如上例），则应使用引号（单引号或双引号）。例如，\&`(var1, var2)`是正确的，因为我们正在调用名称为“&” 的对象。在这种情况下，该对象是一个函数。 - Ricardo Saporta
8

如果所有列表的长度相同，您可以将其转换为数据框，然后使用any：

apply(data.frame(opts),1,any)

编辑：虽然我认为这可能很快，因为它避免了cbind，但根据我的基准测试，这是三种解决方案中最慢的：

set.seed(123)
opts = as.list(as.data.frame(matrix(sample(c(TRUE, FALSE), 10000, replace=TRUE), nrow=1000)))

require(microbenchmark)
microbenchmark(Reduce("|",opts),rowSums(do.call(cbind, opts)) > 0,
               apply(as.data.frame(opts),1,any))


Unit: microseconds
                               expr      min        lq   median        uq
                  Reduce("|", opts)   99.200  101.0780  106.596  110.3725
  rowSums(do.call(cbind, opts)) > 0  209.326  211.9665  217.329  224.0505
 apply(as.data.frame(opts), 1, any) 4130.429 4245.7380 4308.054 4438.2485
     max neval
  120.63   100
  237.19   100
 6949.19   100
嗯，当我对其进行基准测试时，这个解决方案似乎是迄今为止最慢的。 - mrip
你使用的 opts 大小是多少？以及 TRUE 和 FALSE 的组合方式是什么？（我在下面的帖子中使用了这种方法） - David Robinson
啊：我怕我在输出从毫秒到微秒的切换上错过了，真是太愚蠢了！看起来我的解决方案是最快的。预计时间：或者看起来确实是Reduce。 - David Robinson
你的和 Reduce 很接近，但我的速度要慢得多。 - mrip
1
奇怪的是，在我的机器上，我的表达式比Reduce（略微）更快。但同意。 - David Robinson
显示剩余2条评论
4

您可以进行以下操作：

(rowSums(do.call(cbind, opts)) > 0)

例如：

opts = as.list(as.data.frame(matrix(sample(c(TRUE, FALSE), 10000, replace=TRUE), nrow=1000)))
str(opts)

do.call(cbind, opts) 创建了一个1000x10的由TRUE和FALSE组成的矩阵:

dim(do.call(cbind, opts))
# [1] 1000   10
head(do.call(cbind, opts))
#        V1    V2    V3    V4    V5    V6    V7    V8    V9   V10
#[1,]  TRUE  TRUE FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE
#[2,] FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE
#[3,] FALSE  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE
#[4,] FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE
#[5,] FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE
#[6,] FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE

rowSums会创建一个向量，显示每行中TRUE值的数量：在任何一行中，如果该行总和大于0，逻辑或将返回TRUE。

0

pmap()和any()的解决方案以及一些附加基准测试

我还喜欢使用purrr的pmap，作为一般的逐行操作方法。
如下所示的基准测试结果显示，pmap绝对不是最快的（没有向量化，例如Reduce()、reduce()或rowSums()），但我觉得它非常灵活和一致。 在这种情况下，您可以与any一起使用，这比嵌套/顺序的|更快，并且对我来说更直观。

library(purrr)
opts%>%pmap_lgl(., any)

purrr的版本reduce()类似于@Ricardo Saporta的答案，但保持了我们在purrr中看到的语法一致性：

library(purrr)
opts%>%reduce(., `|`)

我也进行了一些基准测试。

microbenchmark(Reduce("|",opts),
               Reduce(any, opts),
               rowSums(do.call(cbind, opts)) > 0,
               apply(as.data.frame(opts),1,any),
               pmap_lgl(opts, any),
               reduce(opts, any),
               reduce(opts, `|`)
               )

Unit: microseconds
                               expr      min         lq        mean     median         uq        max neval
                  Reduce("|", opts)   40.303    59.3935    87.71092    77.5005   107.3490    461.228   100
                  Reduce(any, opts)    8.576    15.6625    29.48404    23.6775    31.9965    185.628   100
  rowSums(do.call(cbind, opts)) > 0   70.458    94.8565   133.39620   130.3765   154.3775    675.701   100
 apply(as.data.frame(opts), 1, any) 2580.162  3642.5935  4848.82291  4725.7095  5476.0935  19805.711   100
                pmap_lgl(opts, any) 7420.634 11071.3780 14972.01035 13362.0735 14820.2190 164536.018   100
                  reduce(opts, any)  229.924   388.0765   515.31035   524.9820   629.1945   1052.248   100
                  reduce(opts, `|`)  277.262   485.9855   688.35137   699.9830   790.6440   1717.872   100

基准测试清楚地显示Reduce()是最快的Reduce>rowSums+cbind>reduce>apply>pmap_lgl，而且any>"|"

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接