¿Cómo encontrar los tres valores más cercanos(más cercanos) dentro de un vector?

Question

Me gustaría encontrar los tres números más cercanos en un vector. Algo como

v = c(10,23,25,26,38,50)
c = findClosest(v,3)
c
23 25 26

Intenté con sort (colSums (as.matrix (dist (x)))) [1: 3], y funciona, pero selecciona los tres números con una distancia total mínima, no los tres números más cercanos.

Ya hay una respuesta para matlab, pero no sé cómo traducirla a R:

%finds the index with the minimal difference in A
minDiffInd = find(abs(diff(A))==min(abs(diff(A))));
%extract this index, and it''s neighbor index from A
val1 = A(minDiffInd);
val2 = A(minDiffInd+1);

¿Cómo encontrar dos valores más cercanos (más cercanos) dentro de un vector en MATLAB?

Answer 1

Definamos "números más cercanos" por "números con una suma mínima de distancias L1". Puede lograr lo que desea mediante una combinación de diff y suma de ventanas.

Podrías escribir una función mucho más corta, pero la escribí paso a paso para que sea más fácil de seguir.

v <- c(10,23,25,26,38,50)

#'' Find the n nearest numbers in a vector
#''
#'' @param v Numeric vector
#'' @param n Number of nearest numbers to extract
#''
#'' @details "Nearest numbers" defined as the numbers which minimise the
#''   within-group sum of L1 distances.
#''   
findClosest <- function(v, n) {
  # Sort and remove NA
  v <- sort(v, na.last = NA)

  # Compute L1 distances between closest points. We know each point is next to
  # its closest neighbour since we sorted.
  delta <- diff(v)

  # Compute sum of L1 distances on a rolling window with n - 1 elements
  # Why n-1 ? Because we are looking at deltas and 2 deltas ~ 3 elements.
  withingroup_distances <- zoo::rollsum(delta, k = n - 1)

  # Now it''s simply finding the group with minimum within-group sum
  # And working out the elements
  group_index <- which.min(withingroup_distances)
  element_indices <- group_index + 0:(n-1)

  v[element_indices]
}

findClosest(v, 2)
# 25 26
findClosest(v, 3)
# 23 25 26

Answer 2

Mi suposición es que para los n valores más cercanos, lo único que importa es la diferencia entre v[i] - v[i - (n-1)] . Es decir, encontrar el mínimo de diff(x, lag = n - 1L) .

findClosest <- function(x, n) {
  x <- sort(x)
  x[seq.int(which.min(diff(x, lag = n - 1L)), length.out = n)]
}

findClosest(v, 3L)

[1] 23 25 26

Answer 3

Una idea es usar la biblioteca del zoo para hacer una operación continua, es decir

library(zoo)
m1 <- rollapply(v, 3, by = 1, function(i)c(sum(diff(i)), c(i)))
m1[which.min(m1[, 1]),][-1]
#[1] 23 25 26

O convertirlo en una función,

findClosest <- function(vec, n) {
    require(zoo)
    vec1 <- sort(vec)
    m1 <- rollapply(vec1, n, by = 1, function(i) c(sum(diff(i)), c(i)))
    return(m1[which.min(m1[, 1]),][-1])
}

findClosest(v, 3)
#[1] 23 25 26

Answer 4

Una opción base R, la idea es que primero sort el vector y restamos cada elemento i + n - 1 con i + n - 1 elemento en el vector ordenado y seleccionamos el grupo que tiene la mínima diferencia.

closest_n_vectors <- function(v, n) {
   v1 <- sort(v)
   inds <- which.min(sapply(head(seq_along(v1), -(n - 1)), function(x) 
                     v1[x + n -1] - v1[x]))
   v1[inds: (inds + n - 1)]
}

closest_n_vectors(v, 3)
#[1] 23 25 26

closest_n_vectors(c(2, 10, 1, 20, 4, 5, 23), 2)
#[1] 1 2

closest_n_vectors(c(19, 23, 45, 67, 89, 65, 1), 2)
#[1] 65 67

closest_n_vectors(c(19, 23, 45, 67, 89, 65, 1), 3)
#[1]  1 19 23

En caso de empate, esto devolverá los números con el valor más pequeño ya que estamos utilizando which.min .

PUNTOS DE REFERENCIA

Como tenemos bastantes respuestas, vale la pena hacer un punto de referencia de todas las soluciones hasta ahora

set.seed(1234)
x <- sample(100000000, 100000)

identical(findClosest_antoine(x, 3), findClosest_Sotos(x, 3), 
          closest_n_vectors_Ronak(x, 3), findClosest_Cole(x, 3))
#[1] TRUE

microbenchmark::microbenchmark(
    antoine = findClosest_antoine(x, 3),
    Sotos = findClosest_Sotos(x, 3), 
    Ronak  = closest_n_vectors_Ronak(x, 3),
    Cole = findClosest_Cole(x, 3),
    times = 10
)



#Unit: milliseconds
#  expr      min       lq     mean   median       uq      max neval cld
#antoine  148.751  159.071  163.298  162.581  167.365  181.314    10  b 
#  Sotos 1086.098 1349.762 1372.232 1398.211 1453.217 1553.945    10   c
#  Ronak   54.248   56.870   78.886   83.129   94.748  100.299    10 a  
#   Cole    4.958    5.042    6.202    6.047    7.386    7.915    10 a