R - 使用函数过滤向量

Question

我有一个类似于这个函数的函数：

isGoodNumber <- function(X) 
{
if (X==5) return(TRUE) else return(FALSE)
}

I have a vector:
v<-c(1,2,3,4,5,5,5,5)

我想获取一个包含v的元素且满足isGoodNumber(v) == TRUE的新向量。

我应该如何做？

尝试过 v [ isGoodNumber(v) == TRUE ]，但它不起作用 :-)

谢谢！！

- MadSeb

---

你能重写这个函数吗？还是这个函数已经被定义好了，你不能改变它？ - Dason

我猜你的真实应用比这个例子更复杂，但对于你的例子 v[v==5] 将会起到作用。 - Chase

嗨@Dason，是的，我能够重写这个函数 :-) - MadSeb

@Chase：是的，实际应用比例子更加复杂，但不管怎样还是谢谢你！ - MadSeb

我只是问一下，因为ifelse是if的向量化版本。在这个例子中使用if才会导致问题。有一些方法可以解决无法轻松向量化的函数，但在某些情况下，最好的解决方案是最初以向量化方式编写函数。 - Dason

@Dason。仅供记录（我猜您现在已经知道了），R中的ifelse并不是if的向量化版本。if函数旨在执行代码。它将执行第二个或第三个参数中的任何内容。执行的代码可能相当复杂，并且分配会保留在调用环境中。ifelse函数仅返回从两组可能值之间选择的值向量。在替代方案中包括分配将不成功。认为它们相似会导致错误的结论。 - IRTFM

Answer 1

有一个名为 "Filter" 的函数可以完全满足您的需求：

Filter( isGoodNumber, v)
#[1] 5 5 5 5

有一种选择是创建一个向量化的函数，可以通过使用Vectorize函数（已经介绍过）或使用ifelse来编写，还有一种类似于"Filter"的函数。

可以选择创建一个向量化函数，通过使用Vectorize函数(如前所述)，或编写ifelse函数，或创建类似于“Filter”的函数。

 isGoodNumber3 <- function(X) 
   { X[ ifelse(X==5, TRUE,FALSE)]
   }

 isGoodNumber3(v)
#[1] 5 5 5 5

- IRTFM

---

这是唯一一个不需要重复 v 的答案，如果 v 是计算表达式，这是一件好事。 - krlmlr

使用管道更容易 v %>% .[sapply(.,isGoodNumber)]。 . 引用了 v 对象，sapply 将 isGoodNumber 应用于 v 中的每个元素。 - Thomas Luechtefeld

@ThomasLuechtefeld。我们对“易用”的定义可能不同。管道方法看起来比‘v[sapply(v, isGoodNumber)]’更复杂，它们都不如Filter方法优雅。 - IRTFM

你是正确的，我的错误。 - Thomas Luechtefeld

Answer 2

我认为这里是最简单的方法

> v<-c(1,2,3,4,5,5,5,5)
> v[v==5]
[1] 5 5 5 5

- xjzhou

Answer 3

你需要对该函数进行向量化处理才能在向量上调用它：

isGoodNumber = Vectorize(isGoodNumber)
v[isGoodNumber(v)]

- David Robinson

Answer 4

使用mapply()函数：

> v <- c(1,2,3,4,5,5,5,5)
> newV <- mapply(function(X) { if (X==5) return(TRUE) else return(FALSE) }, v)
> newV
[1] FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE
> v[newV == TRUE]
[1] 5 5 5 5

- Alex Reynolds

Answer 5

你应该尽可能养成编写向量化函数的习惯。例如，如果你正在编写一个函数f（x），请确保它在x是向量而不仅仅是单个数字时也能工作。不要依赖Vectorize来完成这一点，因为对于非常大的向量，它会变得很慢。

一个有用的技巧是用ifelse替换if ... then ... else。例如：

isGoodNumber <- function(X) 
{
  ifelse(X==5, TRUE, FALSE)
}
v<-c(1,2,3,4,5,5,5,5)
v [ isGoodNumber(v) == TRUE ]

在这种情况下，你当然可以优化流程：

isGoodNumber <- function(X) return(X==5)

甚至只是

或者

v[v==5]

但是ifelse技巧通常更有用。

- Alexander Hanysz