如何在向量列表中查找向量的特定索引，其中索引在向量中给出？（没有 for 循环）答案

【问题标题】：How to look up specific indices of vectors in a list of vectors, where the indices are given in a vector? (without a for loop)如何在向量列表中查找向量的特定索引，其中索引在向量中给出？（没有 for 循环）
【发布时间】：2022-10-18 00:43:41
【问题描述】：

我想找到一种有效的操作来在列表中进行以下查找：

L = list(10:15,11:20)
a = c(3,7)
b = numeric()
for(i in 1:length(a)) b[i] = L[[i]][a[i]]

我认为for 循环效率低下，我想这可以使用例如sapply 更快地完成。我的主要目标是在L 很长时有效地做到这一点。

【问题讨论】：

标签： r list performance lookup

【解决方案1】：

我们可以使用

library(dplyr)
stack(setNames(L, a)) %>%
   group_by(ind) %>% 
   summarise(out = values[[as.numeric(as.character(first(ind)))]]) %>%
   pull(out)
[1] 12 17

或者在base R 中使用vapply 会更快

vapply(seq_along(L), (i) L[[i]][a[i]], numeric(1))
[1] 12 17

或使用 imap 作为紧凑选项

library(purrr)
imap_dbl(setNames(L, a), ~ .x[as.numeric(.y)])
 3  7 
12 17

【讨论】：

对于dplyr 解决方案，我只能得到一个最大大小为 10 的向量，而且这些值并不全正确。
@jblood94 你注意到我用了as.numeric(as.character
@jblood94 即，如果您在没有它们的情况下这样做，它是一个因子列，然后它根据整数强制值进行匹配
另外，我注意到您的大数据有重复的值，这不是我在 dplyr 解决方案中使用的假设
我逐字尝试了有和没有as.numeric(as.character 的代码。它可能是我的 R 版本 (4.0.2)，但它也不适用于 rdrr.io/snippets。

【解决方案2】：

另一个apply 方法是sapply()。

sapply(1:length(a), function(x) L[[x]][a[x]])
[1] 12 17

【讨论】：

【解决方案3】：

更新：

您对for 循环的厌恶可能是没有根据的。我发现它可能非常依赖机器。在我当前的机器上，b 已正确初始化，基本 R for 循环仅比 Rcpp 解决方案慢，而且几乎没有。请参阅下面的更新基准。 loop1 解决方案已正确初始化。

使用 unlist、cumsum 和 lengths 的基本 R 矢量化解决方案：

b <- unlist(L)[a + c(0, cumsum(lengths(L)[1:(length(L) - 1L)]))]

基准测试（在Rcpp 解决方案中折腾）*

library(purrr)

L <- lapply(sample(4:10, 1e5, TRUE), seq)
a <- sapply(lengths(L), function(x) sample(x, 1))

Rcpp::cppFunction("IntegerVector ListIndex(const List& L, const IntegerVector& a) {
const int n = a.size();
IntegerVector b (n);
for (int i = 0; i < n; i++) b(i) = as<IntegerVector>(L[i])(a(i) - 1);
return b;
}")
    
microbenchmark::microbenchmark(sapply = sapply(1:length(a), function(x) L[[x]][a[x]]),
                               vapply = vapply(seq_along(L), function(i) L[[i]][a[i]], numeric(1)),
                               purr = imap_dbl(setNames(L, a), ~ .x[as.numeric(.y)]),
                               unlist = unlist(L)[a + c(0, cumsum(lengths(L)[1:(length(L) - 1L)]))],
                               rcpp = ListIndex(L, a),
                               loop1 = {b <- integer(length(a)); for(i in seq_along(a)) b[i] <- L[[i]][a[i]]},
                               loop2 = {b <- integer(); for(i in seq_along(a)) b[i] <- L[[i]][a[i]]})

#> Unit: milliseconds
#>    expr      min       lq      mean    median       uq      max neval
#> sapply 102.4199 113.72450 125.21764 119.72455 130.41480 291.5465   100
#> vapply  97.8447 107.33390 116.41775 112.33445 119.01680 189.9191   100
#>   purr 226.9039 241.02305 258.34032 246.81175 257.87370 502.3446   100
#> unlist  29.4186  29.97935  32.05529  30.86130  33.02160  44.6751   100
#>   rcpp  22.3468  22.78460  25.47667  23.48495  26.63935  37.2362   100
#>  loop1  25.5240  27.34865  28.94650  28.02920  29.32110  42.9779   100
#>  loop2  41.4726  46.04130  52.58843  51.00240  56.54375  88.3444   100

*我无法让 akrun 的 dplyr 解决方案与更大的向量一起使用。

【讨论】：

感谢您的有效解决方案
我更新了我的基准测试以包含for 循环解决方案。我建议看看。
我确实很惊讶。

【解决方案4】：

您可以使用Map 或mapply。由于mapply 可以自动简化为向量，我们可以在这里使用它一次性得到b：

b <- mapply(function(list_members, indices) list_members[indices],
       list_members = L, indices = a, SIMPLIFY = TRUE)

b
#> [1] 12 17

【讨论】：

请问在这种情况下使用mapply 比sapply（例如sapply(1:length(a), function(x) L[[x]][a[x]])）有什么优势吗？
在这种情况下不是@benson23。它可能更通用，但如果设置始终如 OP 所述，我可能会自己使用更简单的sapply。当然，这实际上只是编写循环的一种简便方法，不一定更快或更有效。