测试矩阵或数据帧的行是否按R排序

测试矩阵中的行是否已排序的有效方法是什么？[更新：见Aaron的Rcpp答案-简单且快速。]

我正在移植一些使用的代码。似乎

是。未排序的

并没有超出向量的范围，我正在写或寻找其他东西。简单的方法是检查矩阵（或数据帧）的排序版本是否与原始版本相同，但这显然是低效的

---

注意：对于排序，la，我的代码基本上使用了

SortedDF嗯，蛮力方法是循环和比较，一旦发现违规就中止

这种方法可以在R中容易地实现和测试，然后被传递到一个简单的C++函数，我们可以连接到R VIN和（或者如果必须的话，C），因为循环是从编译语言的实现中获益的。
否则，您不能使用类似于
diff（）
的方法检查所有增量是否为非负吗？
如果y已排序，则执行。调用（顺序，y）返回1:nrow（y）

请注意，这不会比较矩阵，但它不会在发现不匹配项时立即显示出来。
那么，为什么不使用：

all(do.call(order, y)==seq(nrow(y)))

这样可以避免创建有序矩阵，并确保它检查您的排序方式。
您可以使用
do.call
语句和
is.unsorted
：

issorted.matrix <- function(A) {!is.unsorted(do.call("order",data.frame(A)))}

issorted.matrix更新：我决定可以使用Rcpp实践

library(Rcpp)
library(inline)
isRowSorted <- cxxfunction(signature(A="numeric"), body='
  Rcpp::NumericMatrix Am(A);
  for(int i = 1; i < Am.nrow(); i++) {
    for(int j = 0; j < Am.ncol(); j++) {
      if( Am(i-1,j) < Am(i,j) ) { break; }
      if( Am(i-1,j) > Am(i,j) ) { return(wrap(false)); }
    }
  }
  return(wrap(true));
', plugin="Rcpp")

rownames(y) <- NULL # because as.matrix is faster without rownames
isRowSorted(as.matrix(y))

库（Rcpp）
库（内联）
isRowSorted+1，但我鼓励您在Windows上使用vim用普通C编写它不，
diff（）
不太管用。：）用上面的例子试试：
diff（as.matrix（y））
。出现了一些负值；所以，我们可以做的是确保每个差分行的正值总是在负值之前。我怀疑这样做仍然不雅观。Josh，真正的C程序员只使用ed之类的行编辑器。或者你可以像Barry和Nick所展示的那样直接在R中做一些聪明的事情。在进一步的测试表明替代方法涉及排序之后，似乎有必要进行迭代，在这种情况下，Rcpp似乎很有希望。+1这很有希望。我忽略了数据帧中非数字值的
seq
问题，这就是
order
的作用。现在我明白了当出现不匹配时不向外倾斜的意思。因此，它是简洁的，但仍然是排序。“迭代器：它们会使它慢多少取决于矩阵的性质；它正在处理来自
rle
的结果，因此，如果类别很少（比如在您的示例中，有三个），那么它看起来相当快；如果有很多类别，我希望它会大大放缓。这太棒了。速度非常快，使用
行名
的技巧非常聪明。我本想给Rcpp一次机会，但我猜不到
行名
的加速。对使用此命令的其他人的一个建议是：
isS4
（大写S）是一个base R命令。小心点，看起来不错！我会使用
bool out
而不是
LogicalVector（1）
，然后使用
return（wrap（out））
返回。附录：如果对象已经是一个矩阵（即，在计时之外执行
行名
和
as.matrix
），则执行速度非常快。我可能需要学习
microbenchmark
：）现在使用
wrap
，并已重命名为
isRowSorted
。
  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1  3  1  2  2  3  1  3  3  2   2
2  1  1  1  3  2  3  2  3  3   2
3  3  3  1  2  1  1  2  1  2   3

 testSorted = function(y){all(do.call(order,y)==1:nrow(y))}

all(do.call(order, y)==seq(nrow(y)))

issorted.matrix <- function(A) {!is.unsorted(do.call("order",data.frame(A)))}

library(Rcpp)
library(inline)
isRowSorted <- cxxfunction(signature(A="numeric"), body='
  Rcpp::NumericMatrix Am(A);
  for(int i = 1; i < Am.nrow(); i++) {
    for(int j = 0; j < Am.ncol(); j++) {
      if( Am(i-1,j) < Am(i,j) ) { break; }
      if( Am(i-1,j) > Am(i,j) ) { return(wrap(false)); }
    }
  }
  return(wrap(true));
', plugin="Rcpp")

rownames(y) <- NULL # because as.matrix is faster without rownames
isRowSorted(as.matrix(y))

iss3 <- function(x) {
  x2 <- sign(do.call(cbind, lapply(x, diff)))
  x3 <- t(x2)*(2^((ncol(x)-1):0))
  all(colSums(x3)>=0)
}

iss2 <- function(y) {
  b <- c(0,nrow(y))
  for(i in 1:ncol(y)) {
    z <- rle(y[,i])
    b2 <- cumsum(z$lengths)
    sp <- split(z$values, cut(b2, breaks=b))
    for(spi in sp) {
      if(is.unsorted(spi)) return(FALSE)
    }
    b <- c(0, b2)
  }
  return(TRUE)
}