有效地解析 R 中的二进制输入答案

【问题标题】：efficiently parse binary input in R有效地解析 R 中的二进制输入
【发布时间】：2023-03-20 18:56:01
【问题描述】：

在 R 中，我有两行数据框每个数字本身都存储在单独的列中..

目前我正在使用

unname(which(df[1,]-df[2,]==0))->hte

找到其中存在第 1 行等于 1 且第 2 行等于 1 以及第 1 行等于 0 且第 2 行等于 0 的实例的实例的点。对于 70k 列而言，这需要相当多的时间

【问题讨论】：

我假设这是一个单列，列类是字符还是多列（基于您最近提出的另一个问题）
@akrun 不抱歉，这些都是不同的列...所以每个数字 0 1 等等都在 df 的不同列中
您不需要区别。这会更快吗which(df1[1,]==df1[2,])
@akrun 两个解决方案建议都没有超过 20 分钟，这对于这样一个向量（1.8 万值）来说有点长......只是确定它是 1,1 还是 00 的实例

标签： r matrix dataframe

【解决方案1】：

您可以通过转置将其转换为矩阵。好像很快

 system.time({ m1 <- t(df1)
              which(m1[,1]==m1[,2])})
 #  user  system elapsed 
 #  0.31    0.00    0.31

或unlist

 system.time(which(unlist(df1[1,])==unlist(df1[2,])))
 #   user  system elapsed 
 #  1.175   0.002   1.177

数据

library(stringi)
write.table(stri_rand_strings(2, 70000, '[0-1]'), file='binary1.txt', 
           row.names=FALSE, quote=FALSE, col.names=FALSE)
df1 <- read.table(pipe("awk '{gsub(/./,\"& \", $1);print $1}' binary1.txt"))

【讨论】：

数据框是一个列表，我怀疑这可能会减慢操作速度。