获取具有最大组平均值的组行的最快解决方案

Question

Reprex

假设我有一个数字矩阵

m

:

m <- as.matrix(iris[-5])
#      Sepal.Length Sepal.Width Petal.Length Petal.Width
# [1,]          5.1         3.5          1.4         0.2
# [2,]          4.9         3.0          1.4         0.2
# [3,]          4.7         3.2          1.3         0.2
# ...

还有一个向量

groups

，对

m

的行进行分组：

groups <- as.character(iris$Species)
# [1] "setosa" "setosa" "setosa" ...

问题

对于所有列中平均值最大的组，返回 m 行的

最快

方法是什么？如果可能的话，我还想跟踪原始行号。

预期产出

在此示例中，组

"virginica"

具有最大平均值：

sapply(split(m, groups), mean)
#     setosa versicolor  virginica 
#     2.5355     3.5730     4.2850 

所以预期的输出是：

m[groups == "virginica", ]
#       Sepal.Length Sepal.Width Petal.Length Petal.Width
#  [1,]          6.3         3.3          6.0         2.5
#  [2,]          5.8         2.7          5.1         1.9
#  [3,]          7.1         3.0          5.9         2.1
# ...

正如提到的子设置后行号重置一样，我对一个也能跟踪原始行号的解决方案感兴趣（在这种情况下，这些将是

101-150

）。

---

我读到的大多数 SO 问题往往集中在获取每组中内最大值的行，而不是返回具有最大平均值的组中的行。

因此，一种潜在的解决方案（不跟踪行号）是：

m[groups == names(which.max(sapply(split(m, groups), mean))),] 但我很好奇是否有更快的选择（我猜最快的选择可能是

data.table

）。请包括一个基准。在我的实际问题中，我有一个包含数千个矩阵的列表，每个矩阵都有数千行。

Answer 1

这个基本的 R 解决方案很简单，而且应该不会很慢。

rowMeans

 用 C 语言编码，是一个快速函数。

仅打印前 6 行。

vec <- as.matrix(iris[-5]) |> rowMeans()
s <- tapply(vec, iris$Species, mean) |> which.max() |> names()

iris[iris$Species == s, ] |> head()
#>     Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
#> 101          6.3         3.3          6.0         2.5 virginica
#> 102          5.8         2.7          5.1         1.9 virginica
#> 103          7.1         3.0          5.9         2.1 virginica
#> 104          6.3         2.9          5.6         1.8 virginica
#> 105          6.5         3.0          5.8         2.2 virginica
#> 106          7.6         3.0          6.6         2.1 virginica

创建于 2023-11-15，使用 ^{reprex v2.0.2}

---

上面的代码是一个管道，后面是最终的子集。

s <- iris[-5] |>
  as.matrix() |> 
  rowMeans() |>
  tapply(iris$Species, mean) |> 
  which.max() |> 
  names()

iris[iris$Species == s, ] |> head()
#>     Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
#> 101          6.3         3.3          6.0         2.5 virginica
#> 102          5.8         2.7          5.1         1.9 virginica
#> 103          7.1         3.0          5.9         2.1 virginica
#> 104          6.3         2.9          5.6         1.8 virginica
#> 105          6.5         3.0          5.8         2.2 virginica
#> 106          7.6         3.0          6.6         2.1 virginica

创建于 2023-11-15，使用 ^{reprex v2.0.2}