检查列表中的所有元素在R中是否相等

eqzww0vc  于 2024-01-03  发布在  其他
关注(0)|答案(6)|浏览(147)

我有一个多个向量的列表。我想检查列表中的所有向量是否相等。有identical，它只适用于成对比较。所以我写了下面的函数，看起来很丑。我仍然没有找到更好的解决方案。下面是我的RE：

test_true <- list(a=c(1,2,3),b=c(1,2,3),d=c(1,2,3))
test_false <- list(a=c(1,2,3),b=c(1,2,3),d=c(1,32,13))

compareList <- function(li){
  stopifnot(length(li) > 1)
  l <- length(li)
  res <- lapply(li[-1],function(X,x) identical(X,x),x=li[[1]])
  res <- all(unlist(res))
  res
}

compareList(test_true)
compareList(test_false)

字符串
有什么建议吗？除了两两比较之外，有没有别的本地检查相同的方法？

r

6条答案

按热度按时间
a1o7rhls

a1o7rhls1#

怎么样

allSame <- function(x) length(unique(x)) == 1

allSame(test_true)
# [1] TRUE
allSame(test_false)
# [1] FALSE

字符串
正如@JoshuaUlrich在下面指出的，unique在列表中可能很慢。而且，identical和unique可能使用不同的标准。Reduce是我最近学习的一个函数，用于扩展成对运算：

identicalValue <- function(x,y) if (identical(x,y)) x else FALSE
Reduce(identicalValue,test_true)
# [1] 1 2 3
Reduce(identicalValue,test_false)
# [1] FALSE

型
这种方法在发现一个不匹配项后继续进行比较，效率很低。我的粗略解决方案是编写else break而不是else FALSE，从而引发错误。

赞(0）分享  回复(0）举报  2024-01-03
gwo2fgha

gwo2fgha2#

我会做：

all.identical <- function(l) all(mapply(identical, head(l, 1), tail(l, -1)))

all.identical(test_true)
# [1] TRUE
all.identical(test_false)
# [1] FALSE

字符串

赞(0）分享  回复(0）举报  2024-01-03
vd2z7a6w

vd2z7a6w3#

总结解决方案。测试数据：

x1 <- as.list(as.data.frame(replicate(1000, 1:100)))
x2 <- as.list(as.data.frame(replicate(1000, sample(1:100, 100))))

字符串
解决方案：

comp_list1 <- function(x) length(unique.default(x)) == 1L
comp_list2 <- function(x) all(vapply(x[-1], identical, logical(1L), x = x[[1]]))
comp_list3 <- function(x) all(vapply(x[-1], function(x2) all(x[[1]] == x2), logical(1L)))
comp_list4 <- function(x) sum(duplicated.default(x)) == length(x) - 1L

型
数据检验：

for (i in 1:4) cat(match.fun(paste0("comp_list", i))(x1), " ")
#> TRUE  TRUE  TRUE  TRUE   
for (i in 1:4) cat(match.fun(paste0("comp_list", i))(x2), " ")
#> FALSE  FALSE  FALSE  FALSE

型
基准：

library(microbenchmark)
microbenchmark(comp_list1(x1), comp_list2(x1), comp_list3(x1), comp_list4(x1))
#> Unit: microseconds
#>            expr      min        lq      mean   median        uq      max neval cld
#>  comp_list1(x1)  138.327  148.5955  171.9481  162.013  188.9315  269.342   100 a  
#>  comp_list2(x1) 1023.932 1125.2210 1387.6268 1255.985 1403.1885 3458.597   100  b 
#>  comp_list3(x1) 1130.275 1275.9940 1511.7916 1378.789 1550.8240 3254.292   100   c
#>  comp_list4(x1)  138.075  144.8635  169.7833  159.954  185.1515  298.282   100 a  
microbenchmark(comp_list1(x2), comp_list2(x2), comp_list3(x2), comp_list4(x2))
#> Unit: microseconds
#>            expr     min        lq      mean   median        uq      max neval cld
#>  comp_list1(x2) 139.492  140.3540  147.7695  145.380  149.6495  218.800   100  a 
#>  comp_list2(x2) 995.373 1030.4325 1179.2274 1054.711 1136.5050 3763.506   100   b
#>  comp_list3(x2) 977.805 1029.7310 1134.3650 1049.684 1086.0730 2846.592   100   b
#>  comp_list4(x2) 135.516  136.4685  150.7185  139.030  146.7170  345.985   100  a

型
正如我们所看到的，最有效的解决方案基于duplicated和unique函数。

赞(0）分享  回复(0）举报  2024-01-03
yvgpqqbh

yvgpqqbh4#

我对cgwtools::approxeq的自我推销建议，它本质上做了all.equal做的事情，但返回一个逻辑值的向量，指示是否相等。
所以：取决于你想要精确相等还是浮点表示相等。

赞(0）分享  回复(0）举报  2024-01-03
u4vypkhs

u4vypkhs5#

更新
整体最佳解决方案：

all.identical.list <- function(l) identical(unname(l[-length(l)]), unname(l[-1]))

字符串
用一个中断来实现Frank的解决方案：

all.identical <- function(l) class(try(Reduce(function(x, y) if(identical(x, y)) x else break, l), silent = TRUE)) != "try-error"

型
继续阿尔特姆的基准测试，并添加Jake评论中的解决方案，速度很大程度上取决于所比较的对象，但all.identical.list始终是最快的（或非常接近最快）：

library(microbenchmark)

all.identical.list <- function(l) identical(unname(l[-length(l)]), unname(l[-1]))
all.identical <- function(l) !is.null(Reduce(function(x, y) if(identical(x, y)) x else NULL, l))
all.identical.break <- function(l) class(try(Reduce(function(x, y) if(identical(x, y)) x else break, l), silent = TRUE)) != "try-error"
comp_list4 <- function(l) sum(duplicated.default(l)) == length(l) - 1L
comp_list5 <- function(l) all(duplicated.default(l)[-1])

x1 <- as.list(as.data.frame(replicate(1000, 1:100)))
x2 <- as.list(as.data.frame(replicate(1000, sample(100))))
microbenchmark(all.identical.list(x1), all.identical(x1), all.identical.break(x1), comp_list4(x1), comp_list5(x1), check = "equal")
#> Unit: microseconds
#>                     expr    min      lq     mean  median      uq    max neval
#>   all.identical.list(x1)   60.3   66.65  125.803   72.90   94.30 3271.5   100
#>        all.identical(x1) 1134.0 1209.45 1484.864 1265.85 1655.95 5085.3   100
#>  all.identical.break(x1) 1156.6 1226.75 1602.869 1337.25 1698.05 5030.4   100
#>           comp_list4(x1)  170.5  179.35  234.169  184.75  200.40 2164.1   100
#>           comp_list5(x1)  173.3  182.35  213.542  187.55  194.50 1704.0   100
microbenchmark(all.identical.list(x2), all.identical(x2), all.identical.break(x2), comp_list4(x2), comp_list5(x2), check = "equal")
#> Unit: microseconds
#>                     expr    min      lq     mean  median      uq    max neval
#>   all.identical.list(x2)   31.0   34.30   47.182   37.65   46.90  180.8   100
#>        all.identical(x2) 1002.8 1059.85 1237.426 1106.65 1278.35 3404.4   100
#>  all.identical.break(x2)  119.4  137.15  156.748  147.60  164.00  340.8   100
#>           comp_list4(x2)  165.0  172.35  189.869  181.20  192.25  334.6   100
#>           comp_list5(x2)  166.6  171.10  188.782  179.25  190.55  394.9   100
x1 <- as.list(as.data.frame(replicate(10, 1:1e5)))
x2 <- as.list(as.data.frame(replicate(10, sample(1e5))))
microbenchmark(all.identical.list(x1), all.identical(x1), all.identical.break(x1), comp_list4(x1), comp_list5(x1), check = "equal")
#> Unit: microseconds
#>                     expr    min      lq     mean median      uq    max neval
#>   all.identical.list(x1)  211.4  217.25  264.978  229.5  258.00  711.4   100
#>        all.identical(x1)  182.2  187.50  218.062  195.3  217.05  499.4   100
#>  all.identical.break(x1)  194.8  207.25  258.043  222.7  266.70 1013.4   100
#>           comp_list4(x1) 1457.3 1495.30 1659.118 1543.0 1806.75 2689.0   100
#>           comp_list5(x1) 1457.7 1502.45 1685.194 1553.5 1769.10 3021.2   100
microbenchmark(all.identical.list(x2), all.identical(x2), all.identical.break(x2), comp_list4(x2), comp_list5(x2), check = "equal")
#> Unit: microseconds
#>                     expr    min      lq     mean  median      uq    max neval
#>   all.identical.list(x2)    3.1    4.45    7.894    6.35    9.85   48.5   100
#>        all.identical(x2)   12.0   15.25   19.404   17.05   22.05   56.1   100
#>  all.identical.break(x2)  114.3  128.80  172.876  144.90  190.45  511.5   100
#>           comp_list4(x2) 1292.2 1342.35 1443.261 1397.00 1472.25 1908.5   100
#>           comp_list5(x2) 1292.4 1364.90 1478.291 1409.50 1484.80 2467.2   100

型

赞(0）分享  回复(0）举报  2024-01-03
zynd9foi

zynd9foi6#

这也适用

m <- combn(length(test_true),2)

for(i in 1:ncol(m)){
    print(all(test_true[[m[,i][1]]] == test_true[[m[,i][2]]]))
    }

字符串

赞(0）分享  回复(0）举报  2024-01-03
我来回答

相关问题

    查看更多

    热门标签

    更多
    JavaquerypythonNode开发语言requestUtil数据库Table后端算法LoggerMessageElementParser

    最新问答

    更多
    • 蜀ICP备2022004421号-2 NULL123 https://www.null123.com © All rights reserved
    • 本站内容来源互联网,如果侵犯您的权益请联系我们删除, 联系方式：448109455@qq.com