在R中处理交叉积（与Python相比）

在尝试将鞋带公式应用于该区域时，我在

R

和

Python

中遇到了一个有趣的区别。在

Python

中，可以直接使用

nympy

功能：

import numpy as np
import pandas as pd
d = {"A": [2, 3, 1, 2], "B": [4, -8, 2, 4]}
df = pd.DataFrame(data=d)
area = 0.5 * np.abs(np.dot(df[df.columns[0]], np.roll(df[df.columns[1]], 1)) -
    np.dot(df[df.columns[1]], np.roll(df[df.columns[0]], 1)))
area

7.0

但是，我在使用

crossprod

（

%*%

）函数的

R

中也没有做到这一点，但仅在如下非常基本的迭代中：

get_area <- function(x, y) {
    add.val <- sub.val <- NA
    for(i in 1:(length(x) - 1)) {
        add.val[i] <- 0.5 * x[i] * (y[i + 1])
        sub.val[i] <- 0.5 * y[i] * (x[i + 1])
    }
    return(abs(sum(add.val) - sum(sub.val)))
}

---

get_area如果我们只定义一些helper函数，那么在R中就可以很快地实现。比如说

shift_left <- function(x)c(x[-1],x[1])
shift_right <- function(x)c(x[length(x)],x[-length(x)])

a <- c(2, 3, 1, 2)
b <- c(4, -8, 2, 4)
1/2 * abs(sum(a * (shift_left(b) - shift_right(b))))
# [1] 7

shift_left如果我们只定义一些helper函数，那么在R中就可以非常快地向前移动。比如说

shift_left <- function(x)c(x[-1],x[1])
shift_right <- function(x)c(x[length(x)],x[-length(x)])

a <- c(2, 3, 1, 2)
b <- c(4, -8, 2, 4)
1/2 * abs(sum(a * (shift_left(b) - shift_right(b))))
# [1] 7

左移