R 如何根据逻辑从数字矩阵生成向量或因子（循环为否）

我有一个30000行3列的数字矩阵。我想根据矩阵每行中的3个值生成一个简单的通过/失败向量（或因子）。我想应用以下逻辑：

如果第3行中的所有3个值均大于3，则输入PASS，否则输入FAIL

我知道如何使用for循环来实现这一点，但我如何才能更快地实现它？我有几十个这样的矩阵。。。谢谢大家!

as.矩阵（rbind（c（129120），c（135,97,96），c（0,0,0），c（39,4,2））

期望输出： 通过，通过，失败，失败

库（data.table）
library(data.table)
dt <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

dt <- data.table(dt)
dt[, Indicator :="FAIL"]
dt[V1 > 3 & V2 >3 & V3 >3, Indicator :="PASS" ]

dt 3和V3>3，指示器：=“通过”]

使用

all

和

apply

（尽管

apply

使用自己的循环）

---

稍微扩展一下Codoremifa的答案，类似的方法也适用于

data.table

，特别是当您指定想要一个向量或因子作为输出时

library(data.table)
DT <- data.table(m)
DT[, all(.SD > 3), by = 1:nrow(DT)][, factor(V1, labels = c("FAIL", "PASS"))]
# [1] PASS PASS FAIL FAIL
# Levels: FAIL PASS

库（data.table）
DT 3），by=1:nrow（DT）][，系数（V1，标签=c（“失败”，“通过”））]
#[1]通过失败
#等级：不合格

对于这样的问题，我的第一个倾向是结合起来，&，也许就像@Ananda提供的解决方案一样。正如他提到的，

apply（）

正在使用循环。如果需要完全矢量化的解决方案，可以尝试：

newVector <- ifelse((xMatrix[,1]>3 & xMatrix[,2]>3 & xMatrix[,3]>3), 
                    "PASS", "FAIL")

newVector 3&xMatrix[，2]>3&xMatrix[，3]>3），
“通过”、“失败”）

---

矢量化是R的一个方便的特性，它比循环快得多。您可以阅读有关矢量化的内容

此外，

mapply

：

mat <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

fun <- function(x, y, z) { ifelse(x > 3 & y > 3 & z > 3, "PASS", "FAIL") } 
mapply(fun, mat[,1], mat[,2], mat[,3])
#[1] "PASS" "PASS" "FAIL" "FAIL"

mat 3&z>3，“通过”、“失败”）}
mapply（fun，mat[，1]，mat[，2]，mat[，3]）
#[1] “通过”“通过”“失败”“失败”

与这里的其他答案不同，它使用了

行和

，但这不会在R中循环，并且可以超过多个子集和逻辑。这可能是最快的路线

mat <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

vec <- ifelse(rowSums(mat > 3) == 3, TRUE, FALSE)

如果你测试这些时间，那可能是赢家。在我的系统中，使用30000行矩阵，我的第一个答案出来的速度大约是gung答案的两倍，第二个答案出来的速度是gung答案的10倍，可以在大约2秒钟内对1000 30000行矩阵执行。Codoremifa答案是最快的

数据。这里基于表
的答案，需要20秒（与gung答案类似）

注意：我有点忽略了您对“通过”、“失败”向量的请求，因为您似乎表示速度是最重要的，而且这只是一个微不足道的语义区别。此外，如果需要，逻辑向量已经准备好对矩阵进行子集划分。
这正是我想要的，你是对的，通过/失败只是一个想法。不知道逻辑向量，非常有用！谢谢-我使用了2线解决方案blazing@Stefan，我相信你只需要一行代码就可以做到这一点：
rowSums（m>3）=ncol（m）
。对……更新了答案，因为最初我用PASS/FAIL编写的东西没有完全转换，但是……为什么要使用ncol？@John，这只是一种自动化的方式（所以我们不必首先计算原始矩阵中有多少列）.我要感谢所有在这里回答的人！很抱歉，我没有更准确地描述通过/失败-我知道有些解决方案是为了使输出符合要求而编写的。感谢您花时间回答，我学习了向量化函数、逻辑向量、ifelse和apply。进行stackexchange总是一个好主意。谢谢大家!！我认为data.table结构非常简洁，但我设置了500000行
data.table
，这需要很长时间。是因为“by”吗？有解决办法吗？@Codoremifa，不太确定。到底有多长？：）<代码>>dt>系统时间（dt[V1>.7&V2>.7&V3>.7，指示器：=“通过”]）用户系统运行时间0.14 0.00 0.14>系统时间（dt[，所有（.SD>.7），by=1:nrow（dt）]，系数（V1，标签=c（“失败”，“通过”）]）用户系统运行时间75.61 0.05 76.25
@Codoremifa，我猜这与逐行使用
.SD
有关。看，但我还没有想到解决办法。
mat <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

fun <- function(x, y, z) { ifelse(x > 3 & y > 3 & z > 3, "PASS", "FAIL") } 
mapply(fun, mat[,1], mat[,2], mat[,3])
#[1] "PASS" "PASS" "FAIL" "FAIL"

mat <- as.matrix(rbind(c(129,129,120),c(135,97,96),c(0,0,0),c(39,4,2)))

vec <- ifelse(rowSums(mat > 3) == 3, TRUE, FALSE)

vec <- rowSums(mat > 3) == 3