最快的R实现

我使用[]%内的

”=y[1]&x定义了

编辑：
x
可以是一个向量，
y
可以是一个按升序排列的2元素向量

编辑2：奇怪的是，据我所知，没有人编写一个包
rOperator
来实现快速
C
操作符，比如
%w/i[]%，%w/i[%，…

EDIT3：我意识到我的问题太笼统了，因为假设
x，y
会修改任何结果，我认为我们应该关闭它，谢谢你的输入。
嗯，我不知道这是否可以被认为是缓慢的，但这里有一点基准：

R> within <- function(x,y){return(x>=y[1] & x<=y[2])}
R> microbenchmark(within(2,c(1,5)))
Unit: microseconds
               expr   min     lq median    uq    max neval
 within(2, c(1, 5)) 2.667 2.8305 2.9045 2.969 15.818   100

R> within2 <- function(x,y) x>=y[1] & x<=y[2]
R> microbenchmark(within2(2,c(1,5)))
Unit: microseconds
                expr   min     lq median    uq    max neval
 within2(2, c(1, 5)) 2.266 2.3205  2.398 2.483 12.472   100

R> microbenchmark(2>=1 & 2<=5)
Unit: nanoseconds
            expr min    lq median  uq  max neval
 2 >= 1 & 2 <= 5 781 821.5    850 911 5701   100

R>within=y[1]&x微基准（within（2，c（1,5）））
单位：微秒
expr最小lq中值uq最大neval
在（2，c（1，5））2.6672.83052.90452.96915.818100范围内
R> within2=y[1]&x微基准（within2（2，c（1,5）））
单位：微秒
expr最小lq中值uq最大neval
其中in2（2，c（1，5））2.2662.32052.3982.48312.472100
R> 如果
x
包含许多值，则基于树的microbenchmark（2>=1&2=1&2结构可以提供更好的性能。如果您可以将要求限制为数值，则有两个选项

可在Bioconductor软件包中找到整数区间树的实现

默认情况下，RSQLite正在编译启用的嵌入式SQLite库。这可以与任何数值一起使用。
%within[]%”=y[1]&x通过简单的Rcpp实现，您可以获得较小的性能改进：

"%within[]%" <- function(x,y){x>=y[1] & x<=y[2]}

x <- 1:10
y <- c(3,5)

x %within[]% y
"%within[]2%" <- function(x,y) findInterval(x,y,rightmost.closed=TRUE)==1
x %within[]2% y

library(microbenchmark)

microbenchmark(x %within[]% y,x %within[]2% y)

Unit: microseconds
             expr   min    lq median    uq    max
1  x %within[]% y 1.849 2.465 2.6185 2.773 11.395
2 x %within[]2% y 4.928 5.544 5.8520 6.160 37.265

x <- 1:1e6
microbenchmark(x %within[]% y,x %within[]2% y)

Unit: milliseconds
             expr      min       lq   median       uq      max
1  x %within[]% y 27.81535 29.60647 31.25193 56.68517 88.16961
2 x %within[]2% y 20.75496 23.07100 24.37369 43.15691 69.62122

library(Rcpp)
library(microbenchmark)

withinR <- function(x,y) x >= y[1] & x <= y[2]
cppFunction("LogicalVector withinCpp(const NumericVector& x, const NumericVector& y) {
  double min = y[0], max = y[1];

  int n = x.size();
  LogicalVector out(n);

  for(int i = 0; i < n; ++i) {
    double val = x[i];
    if (NumericVector::is_na(val)) {
      out[i] = NA_LOGICAL;
    } else {
      out[i] = val >= min & val <= max;
    }

  }
  return out;
}")

x <- sample(100, 1e5, rep = T)

stopifnot(all.equal(withinR(x, c(25, 50)), withinCpp(x, c(25, 50))))

microbenchmark(
  withinR(x, c(25, 50)),
  withinCpp(x, c(25, 50))
)

你的意思是说
y
总是一个两元素向量，带有
y[1]
函数（…）{return（…）}
=>
函数（…）…
你可能想要
&
而不是
&
。
&
似乎比
&
快一点，而且你似乎不需要向量运算，除非x是向量。我的建议实际上不是关于性能，而是关于风格（这里的
返回
函数调用只是多余的）是的，对这些结果并不感到惊讶。&&只比较向量的第一个元素：1:4<4&&1:4>2给出FALSE和not（FALSE，FALSE，TRUE，FALSE）@JanvanderLaan是的，我知道，但是如果你不想要矢量化的操作，
&
会快一点。@juba：我编辑了矢量，因为我的用例更可能是矢量化的。@statquant好的，相应地更新了我的答案。我意识到这比我想象的要复杂，理想情况下这应该与数字一起工作（所以一切都像date，POSIXct…）还有字符（按字典顺序）。将日期转换为整数（从纪元开始的毫秒数）很简单（您的笔名表明您没有使用历史日期或历史前日期）。字符串没有什么特殊性，如何转换需要您做出设计决定（前缀匹配？后缀匹配？完全相同的长度？）是的，甚至不确定是否需要转换，因为POSIXct和Date在内部存储为双精度（奇怪的是Date）。对于字符串理解…+1，直到如何正确使用
微基准
。
# Unit: microseconds
#                      expr  min   lq median   uq  max
# 1 withinCpp(x, c(25, 50))  635  659    678 1012 27385
# 2   withinR(x, c(25, 50)) 1969 2031   2573 2954 4082