una - seleccionar columnas en r

R-forma más rápida de seleccionar las filas de una matriz que satisfacen múltiples condiciones

Question

Esta es una extensión de la pregunta sobre cómo devolver las filas de una matriz que cumplen una condición en R. Digamos que tengo la matriz:

       one two three four
 [1,]   1   6    11   16
 [2,]   2   7    12   17
 [3,]   3   8    11   18
 [4,]   4   9    11   19
 [5,]   5  10    15   20
 [6,]   1   6    15   20
 [7,]   5   7    12   20

Quiero devolver todas las filas, donde la matrix$two == 7 Y la matrix$three == 12 más rápido posible. Esta es la manera en que sé hacerlo:

 out <- mat[mat$two == 7,]
 final_out <- out[out$three == 12, ]

Obviamente debería haber un método para obtener los contenidos de final_out en una línea, algo así como: final_out <- which(mat$two == 7 && mat$three == 12) que es más rápido y más breve que las dos líneas de los códigos anteriores.

¿Cuál es el código R más rápido para devolver esta consulta de matriz de condición múltiple?

Answer 1

Úselo con arr.ind=TRUE como en:

> mat[which(mat[,"two"]==7 & mat[,"three"] == 12, arr.ind = TRUE),]
  one two three four
2   2   7    12   17
7   5   7    12   20

Answer 2

Simplemente use [ subconjunto con comparación lógica ...

#  Reproducible data
set.seed(1)
m <- matrix( sample(12,28,repl=T) , 7 , 4 )
     [,1] [,2] [,3] [,4]
[1,]    4    8   10    3
[2,]    5    8    6    8
[3,]    7    1    9    2
[4,]   11    3   12    4
[5,]    3    3    5    5
[6,]   11    9   10    1
[7,]   12    5   12    5


#  Subset according to condition
m[ m[,2] == 3 & m[,3] == 12 , ]
[1] 11  3 12  4

Answer 3

la manera más rápida en R será ifelse que a diferencia de if permite condicionales vectorizados. También puede almacenar en caché los vectores de condicionales (por ejemplo, isSeven <- mat[, ''two''] == 7 ) y usar / reutilizarlos más tarde.

No tengo un ejemplo reproducible aquí, pero haría algo así como

ifelse(mat[, ''two''] == 7 & mat[, ''three''] == 12, "both", "not both")

Puedes desplazar otros elementos condicionales allí o hacer que devuelva algo que genere un vector conforme.

Answer 4

ACTUALIZACIÓN CON MICROBENCHMARK:

Usar el punto de referencia da la respuesta opuesta. Parece que la respuesta dada por @ SimonO101 proporciona una implementación ligeramente más rápida.

require(microbenchmark)
set.seed(1)
m <- matrix( sample(12,100,repl=T) , 25 , 4 )
colnames(m) <- c("one","two","three","four")

bench1 <- microbenchmark(m[which(m[,''two'']==7 & m[,''three''] == 12, arr.ind = TRUE),])
summary(bench1$time)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   7700    8750    9449    9688    9800   22400

bench2 <- microbenchmark(m[ m[,2] == 3 & m[,3] == 12 , ])
summary(bench2$time)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   6300    7350    7351    7599    8050   15400

ANTIGUA RESPUESTA:

La combinación de las respuestas dadas por @Jiber y @ SimonO101 da una respuesta ligeramente más rápida, al menos en mi computadora.

Hice la matriz mucho más grande para separar los tiempos de cálculo.

set.seed(1)
m <- matrix( sample(12,1000000000,repl=T) , 1e8 , 10 )
colnames(m) <- c("one","two","three","four","five","six","seven","eight","nine","ten")

system.time(m[which(m[,''two'']==7 & m[,''three''] == 12, arr.ind = TRUE),])
   user  system elapsed 
   6.49    1.58    8.06 
system.time(m[ m[,2] == 3 & m[,3] == 12 , ])
   user  system elapsed 
   8.23    1.29    9.52 

Esto obviamente supone que las columnas de la matriz son nombradas.