问题描述
来自here:
x <- 1:50
case_when(
x %% 35 == 0 ~ "fizz buzz",x %% 5 == 0 ~ "fizz",x %% 7 == 0 ~ "buzz",TRUE ~ as.character(x)
)
一旦x被6整除,如何使用 stop()停止执行?我不希望多个错误消息,而只是一个。
解决方法
如果查看case_when
的内部结构,您将意识到它正在按照矢量的顺序而不是数据的顺序执行每个矢量。也就是说,在您的示例中,在函数甚至查看您的第二个表达式x %% 35 == 0
之前,第一个表达式x
的整个长度为x %% 5 == 0
。它评估所有表达式(LHS),然后才开始检查匹配项。因此,不会缩短对数据的评估。
如果您不担心计算过度,而只想截断数据,那么
x <- 1:50
ret <- case_when(
x %% 35 == 0 ~ "fizz buzz",x %% 5 == 0 ~ "fizz",x %% 7 == 0 ~ "buzz",TRUE ~ as.character(x)
)
ret[!cumany(x %% 6 == 0)]
# [1] "1" "2" "3" "4" "fizz"
如果您希望/需要停留在case_when
通话中,那么也许
x <- 1:50
ret <- case_when(
cumany(x %% 6 == 0) ~ NA_character_,x %% 35 == 0 ~ "fizz buzz",TRUE ~ as.character(x)
)
ret
# [1] "1" "2" "3" "4" "fizz" NA NA NA NA NA NA NA NA NA NA NA NA
# [18] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
# [35] NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
## filtered
na.omit(ret)
# [1] "1" "2" "3" "4" "fizz"
# attr(,"na.action")
# [1] 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
# [40] 45 46 47 48 49 50
# attr(,"class")
# [1] "omit"
## or more succinctly
ret[!is.na(ret)]
# [1] "1" "2" "3" "4" "fizz"
,然后可以对其进行na.omit
或类似操作。但这又不是中断或短路,因此绝对不会节省执行时间。 (并且无法提供无限大的矢量,前提是它会在发现%% 6
条件之一时会自行中断。)
为了使LHS评估短路,您将需要中断case_when
的矢量化评估并自己做所有事情。不幸的是,这里存在一个“问题”:case_when
保持通用性的方式是通过在调用环境的上下文中评估每个LHS表达式(和RHS)。例如,它在父框架(即调用x %% 35 == 0
的环境)中评估case_when
。 case_when
函数先验地不知道返回的向量将是多长时间,也不知道如何正确索引(逐步浏览)存在的所有变量。例如,似乎很直观,我们想先使用x %% 35 == 0
,先检查x[1] %% 35 == 0
,然后再检查x[2] %% 35 == 0
,等等……但是(x+y) %% 35 == 0
呢,其中y
可能是相同长度的向量,长度可重复的向量或单个值,其中(x[50]+y[50]) %% 35 == 0
将导致NA
(或索引错误)。
这是一种环绕case_when
并仅求值直到找到约束然后停止的方法。
x <- 1:50
ret <- numeric(length(x))
for (i in seq_along(x)) {
# constraint
if (x[i] %% 6 == 0) break
# regular piece-wise execution
ret[i] <- case_when(
x[i] %% 35 == 0 ~ "fizz buzz",x[i] %% 5 == 0 ~ "fizz",x[i] %% 7 == 0 ~ "buzz",TRUE ~ as.character(x[i])
)
}
ret <- head(ret,i - 1)
ret
# [1] "1" "2" "3" "4" "fizz"
此循环重复执行6次,其中前5次正常执行,在第6次迭代中,发现x[i] %% 6 == 0
为真,break
个为真。
如果我不解决这些方法相对(无效)的问题,我会被忽略。
x <- 1:50
microbenchmark::microbenchmark(
one = {
ret <- case_when(
x %% 35 == 0 ~ "fizz buzz",TRUE ~ as.character(x)
)
ret[!cumany(x %% 6 == 0)]
},two = {
ret <- case_when(
cumany(x %% 6 == 0) ~ NA_character_,TRUE ~ as.character(x)
)
ret[!is.na(ret)]
},three = {
ret <- numeric(length(x))
for (i in seq_along(x)) {
# constraint
if (x[i] %% 6 == 0) break
# regular piece-wise execution
ret[i] <- case_when(
x[i] %% 35 == 0 ~ "fizz buzz",TRUE ~ as.character(x[i])
)
}
ret <- head(ret,i - 1)
}
)
# Unit: microseconds
# expr min lq mean median uq max neval
# one 136.6 143.55 168.975 152.60 167.55 478.3 100
# two 156.9 171.10 199.213 180.05 206.80 427.3 100
# three 4772.7 5336.75 5854.889 5605.25 6073.20 12001.8 100
在这里应该清楚的是,使用这组表达式(一些模运算),在R中计算比我们需要的更多的效率要高得多,但是使用矢量化的方法要比尝试限制{ {1}}我们处理。
如果您很好奇,当x
的长度为500K时,此third
方法仍然无效...
x
但最终达到5M的平价:
x <- 1:500
# Unit: microseconds
# expr min lq mean median uq max neval
# one 216.9 245.5 287.715 261.55 289.20 601.4 100
# two 220.9 260.8 300.539 277.75 295.75 691.5 100
# three 5578.7 6164.9 6802.093 6531.20 6884.25 13667.9 100
x <- 1:5000
# Unit: microseconds
# expr min lq mean median uq max neval
# one 1468.2 1644.50 3809.862 1708.65 1879.90 196632.1 100
# two 780.9 852.25 986.799 889.90 952.45 6761.6 100
# three 8061.9 8785.15 9836.741 9249.85 9803.70 17088.5 100
x <- 1:50000
# Unit: milliseconds
# expr min lq mean median uq max neval
# one 15.9505 20.33195 26.18902 22.60755 26.75880 230.6372 100
# two 6.8114 8.33300 12.92443 8.95825 14.18375 236.4153 100
# three 34.6127 43.44130 48.28222 47.23290 53.26485 71.2169 100
x <- 1:500000
# Unit: milliseconds
# expr min lq mean median uq max neval
# one 201.1099 220.5286 278.7940 238.9214 280.8388 548.7299 100
# two 82.8113 104.9474 139.0557 118.3804 136.0794 380.3658 100
# three 295.7582 310.8903 335.8939 322.4250 349.4466 567.1915 100
(这将随着计算成本的变化而显着变化。)