我们得到一个数字序列,作为向量
foo
。任务是找到 foo
是 单调递增 - 每一项都小于或等于下一项 - 或 单调递减 - 每一项都大于或等于下一项。
当然可以通过循环找到这个,但是还有更多创意吗?
另一项:检查是否
all(x == cummax(x))
或
all(x == cummin(x))
分别表示单调增加或单调减少。看起来
cummax
比 diff
快很多,而且占用的内存也更少:
> x <- seq_len(1e7)
> system.time(all(x == cummax(x)))
user system elapsed
0.11 0.00 0.11
> system.time(all(diff(x) >= 0))
user system elapsed
0.47 0.13 0.59
> x <- seq_len(1e8)
> system.time(all(x == cummax(x)))
user system elapsed
1.06 0.09 1.16
> system.time(all(diff(x) >= 0))
Error: cannot allocate vector of size 381.5 Mb
In addition: Warning messages:
1: Reached total allocation of 1535Mb: see help(memory.size)
2: Reached total allocation of 1535Mb: see help(memory.size)
3: Reached total allocation of 1535Mb: see help(memory.size)
4: Reached total allocation of 1535Mb: see help(memory.size)
Timing stopped at: 1.96 0.38 2.33
我敢打赌为什么
cummax
比diff
更快是因为它只需要比较数字,这比计算差异更快。
编辑:根据您(阿里)的要求,进行其他测试,包括您的答案(请注意,我现在正在另一台机器上运行,因此以下结果不应与上面的结果进行比较)
> x <- seq_len(1e7)
> system.time(x == cummax(x))
user system elapsed
0.316 0.096 0.416
> system.time(all(diff(x) >= 0))
user system elapsed
4.364 0.240 4.632
> system.time(x[-1] - x[-length(x)] >= 0)
user system elapsed
3.828 0.380 4.227
> system.time(all(x[-1] >= x[-length(x)]))
user system elapsed
2.572 0.288 2.865
一种选择是使用
diff()
函数给出向量中相邻元素之间的差异。
单调递增函数将具有
diff(x)
全部 > 或等于 0:
f1 <- 1:10
f2 <- 10:1
> all(diff(f1) >= 0)
[1] TRUE
> all(diff(f2) >= 0)
[1] FALSE
尽管测试与
0
的相等性可能会令人不悦;更好的方法可能是使用 < 0
并通过 !
否定比较:
> all(!diff(f1) < 0)
[1] TRUE
> all(!diff(f2) < 0)
[1] FALSE
原因是您使用的计算机无法准确表示所有数字。您可能会计算出实际上为零但不完全为零的结果,因为计算中的数字无法准确表示(即浮点)。因此,如果
foo
是计算结果,测试它是否等于 0 可能会导致 0 比 0 稍微大一点或小一点,然后可能会给出递增/递减函数的错误结果。
对于增加的版本,您可以使用
is.unsorted()
:
x <- seq_len(1e7)
!is.unsorted(x)
> !is.unsorted(x)
[1] TRUE
这也很快:
> system.time(!is.unsorted(x))
user system elapsed
0.099 0.000 0.099
> system.time(all(x == cummax(x)))
user system elapsed
0.320 0.039 0.360
不幸的是
is.unsorted()
明确用于增加顺序。我们在将其转换为减少的情况时受到了一些打击,但与我系统上的其他选项相比,它仍然具有竞争力:
xx <- 1e7:1
!is.unsorted(-xx)
system.time(!is.unsorted(-xx))
> system.time(!is.unsorted(-xx))
user system elapsed
0.205 0.020 0.226
> system.time(all(xx == cummin(xx)))
user system elapsed
0.356 0.088 0.444
还有一个更大的问题......
x <- 1:1e8
xx <- 1e8:1
system.time(!is.unsorted(x))
system.time(all(x == cummax(x)))
system.time(!is.unsorted(-xx))
system.time(all(xx == cummin(xx)))
> system.time(!is.unsorted(x))
user system elapsed
1.019 0.000 1.019
> system.time(all(x == cummax(x)))
user system elapsed
3.255 0.354 3.608
> system.time(!is.unsorted(-xx))
user system elapsed
2.089 0.561 2.650
> system.time(all(xx == cummin(xx)))
user system elapsed
3.318 0.395 3.713
如果您想强制严格递增的序列,请参阅
strictly
中的?is.unsorted
。
all(diff(x)<0)
(酌情替换为 >
、<=
、>=
)
一个有趣的答案如下:
foo = c(1, 3, 7, 10, 15)
all(foo[-1] - foo[-length(foo)] >= 0) # TRUE
foo[3] = 20
all(foo[-1] - foo[-length(foo)] >= 0) # FALSE
对于递增和递减序列,当您不知道序列的方向时,以下函数有效:
使用
case_when
库中的 dplyr
。
isMonotone <- function(x){
return(
case_when(
all(diff(x)>=0) ~ TRUE,
all(diff(x)<=0) ~ TRUE,
TRUE ~ FALSE)
)
}
isMonotone(1:10)
[1] TRUE
isMonotone(10:1)
[1] TRUE
isMonotone(c(1, 3, 2))
[1] FALSE
isMonotone(c(-1, 3, -2))
[1] FALSE