同一向量中两个元素之间的最小距离 (r)答案

【问题标题】：Minimum distance between two elements in same vector (r)同一向量中两个元素之间的最小距离 (r)
【发布时间】：2014-08-26 07:19:20
【问题描述】：

我有一个与此类似的问题 - Fast minimum distance (interval) between elements of 2 logical vectors (take 2)，但有一些重要的区别。

假设我有一个向量：

x <- c("A", "B", "C", "A", "D", "D", "A", "B", "A")

我想做的是：

对于每个元素，仅计算它与每个不同类型的下一个元素之间的最小距离。如果对于任何元素，在前向方向上没有出现特定类型的元素，则应返回 0。返回的数据将如下所示：

期望的输出表-

N  x  A  B  C  D
1  A  3  1  2  4
2  B  2  6  1  3
3  C  1  5  0  2
4  A  3  4  0  1
5  D  2  3  0  1
6  D  1  2  0  0
7  A  2  1  0  0
8  B  1  0  0  0
9  A  0  0  0  0

第一列/var 只是指元素顺序。第二个 col/var 是该位置的元素。然后有四个 cols/vars - 每个都是出现在向量中的唯一元素。

这四个 cols/vars 中的每一个中的数字都是从该行的元素到每个类型的下一个出现的元素在 FORWARD 方向上的最小距离。如果输入“0”，则表示该元素不会出现在向量中该行的元素之后。

如何做到这一点？

我的第一个想法是尝试模仿上述问题的某些方面。为此，我使用了一个 grepl 函数将向量转换为四个独立的逻辑向量，指示每个元素的存在/不存在。

xA<-grepl("A", x) #  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE
xB<-grepl("B", x) #  FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
xC<-grepl("B", x) #  FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
xD<-grepl("D", x) #  FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE

然后我尝试了“Flodel”函数和GG使用library(data.table)提供的第二个函数。

例如，要计算从所有“As”到“D”的最小距离：

flodel <- function(x, y) {
  xw <- which(x)
  yw <- which(y)
  i <- findInterval(xw, yw, all.inside = TRUE)
  pmin(abs(xw - yw[i]), abs(xw - yw[i+1L]), na.rm = TRUE)
}
flodel(xA,xD)

> [1] 4 1 1 3




#GG's data.table option
wxA <- data.table(x = which(xA))
wxD <- data.table(y = which(xD), key = "y")
wxD[wxA, abs(x - y), roll = "nearest"] 

#   y V1
#1: 1  4
#2: 4  1
#3: 7  1
#4: 9  3

这两个选项都可以找到所有 A 到 D 的最小距离。但是，它是在任何方向上，而不仅仅是 FORWARD 方向。 GG 的 data.table 选项在表面上对我更有吸引力，因为它返回的数据显示了每个元素的位置（输出的 'y' 列），这可以很容易地打包成一个漂亮的汇总表（比如我想要的）上面的输出表）。

我试图找出在 data.table 中使用“roll”参数的替代方法，但我似乎无法解决这个问题。

感谢您的任何建议。

【问题讨论】：

标签： r vector sequence data.table grepl

【解决方案1】：

另一种似乎有效的方式：

levs = sort(unique(x))
do.call(rbind, 
        lapply(seq_along(x),
               function(n) 
                  match(levs, x[-seq_len(n)], 0)))
#      [,1] [,2] [,3] [,4]
# [1,]    3    1    2    4
# [2,]    2    6    1    3
# [3,]    1    5    0    2
# [4,]    3    4    0    1
# [5,]    2    3    0    1
# [6,]    1    2    0    0
# [7,]    2    1    0    0
# [8,]    1    0    0    0
# [9,]    0    0    0    0

【讨论】：

【解决方案2】：

我不确定这有多有效，但它似乎有效。怎么样

x <- c("A", "B", "C", "A", "D", "D", "A", "B", "A")

#find indexes for each value
locations<-split(seq_along(x), x)

#for each index, find the distance from the next highest 
# index in the locations list
t(sapply(seq_along(x), function(i) sapply(locations, function(l) 
    if(length(z<-l[l>i])>0) z[1]-i else 0)))

这将返回

      A B C D
 [1,] 3 1 2 4
 [2,] 2 6 1 3
 [3,] 1 5 0 2
 [4,] 3 4 0 1
 [5,] 2 3 0 1
 [6,] 1 2 0 0
 [7,] 2 1 0 0
 [8,] 1 0 0 0
 [9,] 0 0 0 0

【讨论】：