从具有起始位置和结束位置的矢量创建序列

Question

给定两个相等长度的单独矢量：f.start和f.end，我想构建一个序列（由1），从f.start[1]:f.end[1]到f.start[2]:f.end[2]，......，到f.start[n]:f.end[n]。

这是一个只有6行的例子。

   f.start  f.end
[1,]   45739 122538
[2,]  125469 202268
[3,]  203563 280362
[4,]  281657 358456
[5,]  359751 436550
[6,]  437845 514644

粗略地说，循环可以做到这一点，但对于较大的数据集（行> 2000）则非常慢。

f.start<-c(45739,125469,203563,281657,359751,437845)
f.end<-c(122538,202268,280362,358456,436550,514644)
f.ind<-f.start[1]:f.end[1]
for (i in 2:length(f.start))
{
 f.ind.temp<-f.start[i]:f.end[i]
 f.ind<-c(f.ind,f.ind.temp)
}

我怀疑这可以用apply（）来完成，但我还没有弄清楚如何在apply中包含两个单独的参数，并且会感谢一些指导。

Answer 1

您可以尝试使用mapply或Map，它会同时迭代您的两个向量。您需要提供函数作为第一个参数：

vec1 = c(1,33,50)
vec2 = c(10,34,56)

unlist(Map(':',vec1, vec2))
# [1]  1  2  3  4  5  6  7  8  9 10 33 34 50 51 52 53 54 55 56

只需用vec1替换vec2和f.start，f.end提供all(f.start<=f.end)

Answer 2

当你增长矢量f.ind时，你的循环会变慢。如果预先分配输出向量的长度，您的速度也会提高。

# Some data (of length 3000)
set.seed(1)
f.start <- sample(1:10000, 3000)
f.end <- f.start + sample(1:200, 3000, TRUE)

# Functions
op <- function(L=1) {
        f.ind <- vector("list", L)
            for (i in 1:length(f.start)) {
                f.ind[[i]] <- f.start[i]:f.end[i]
             }
        unlist(f.ind)
        }

op2 <- function() unlist(lapply(seq(f.start), function(x) f.start[x]:f.end[x]))
col <- function() unlist(mapply(':',f.start, f.end))

# check output
all.equal(op(), op2())
all.equal(op(), col())

一些基准

library(microbenchmark)

# Look at the effect of pre-allocating
microbenchmark(op(L=1), op(L=1000), op(L=3000), times=500)
#Unit: milliseconds
#         expr       min        lq     mean    median        uq       max neval cld
#    op(L = 1) 46.760416 48.741080 52.29038 49.636864 50.661506 113.08303   500   c
# op(L = 1000) 41.644123 43.965891 46.20380 44.633016 45.739895  94.88560   500  b 
# op(L = 3000)  7.629882  8.098691 10.10698  8.338387  9.963558  60.74152   500 a  

# Compare methods - the loop actually performs okay
# I left the original loop out
microbenchmark(op(L=3000), op2(), col(), times=500)
#Unit: milliseconds
#        expr      min       lq     mean   median        uq      max neval cld
# op(L = 3000) 7.778643 8.123136 10.119464 8.367720 11.402463 62.35632   500   b
#        op2() 6.461926 6.762977  8.619154 6.995233 10.028825 57.55236   500  a 
#        col() 6.656154 6.910272  8.735241 7.137500  9.935935 58.37279   500  a 

因此循环应该可以快速执行，但当然上校的代码更清晰。这里的*apply函数在计算中不会真正加快速度，但它们确实提供了更整洁的代码并且无需预先分配。