考虑我有两个向量.一个是参考向量/列表,其包括所有感兴趣的值和一个可包含任何可能值的样本向量.现在我想在参考列表中找到我的样本的匹配,并且具有一定的容差,该容差不是固定的,并且依赖于向量内的比较值:
matches: abs(((referencelist - sample[i])/sample[i])*10^6)) < 0.5
舍入两个向量是没有选择!
例如考虑:
referencelist <- read.table(header=TRUE,text="value name 154.00312 A 154.07685 B 154.21452 C 154.49545 D 156.77310 E 156.83991 F 159.02992 G 159.65553 H 159.93843 I") sample <- c(154.00315,159.02991,154.07688,156.77312)
所以我得到了结果:
name value reference 1 A 154.00315 154.00312 2 G 159.02991 159.02992 3 B 154.07688 154.07685 4 E 156.77312 156.77310
我能做的就是使用例如外在的功能就像
mydist <- outer(referencelist,sample,FUN=function(x,y) abs(((x - y)/y)*10^6)) matches <- which(mydist < 0.5,arr.ind=TRUE) data.frame(name = referencelist$name[matches[,1]],value=sample[matches[,2]])
或者我可以使用for()循环.
但我的特殊问题是,参考向量有大约1 * 10 ^ 12个条目,我的样本向量大约是1 * 10 ^ 7.所以通过使用outer()我很容易破坏所有工作空间限制,并通过使用for()或chained for()循环,这将需要数天/周才能完成.
有没有人知道如何在R中快速做到这一点,仍然是精确的,但在最大的计算机上工作. 64 GB内存?
谢谢你的帮助!
最好的祝福
解决方法
你的比赛条件
abs(((referencelist - sample[i])/sample[i])*10^6)) < 0.5
可以重写为
sample[i] * (1 - eps) < referencelist < sample[i] * (1 + eps)
eps = 0.5E-6.
使用这个,我们可以使用非等连接来查找每个样本的参考列表中的所有匹配项(不仅是最近的!):
library(data.table) options(digits = 10) eps <- 0.5E-6 # tol * 1E6 setDT(referencelist)[.(value = sample,lower = sample * (1 - eps),upper = sample * (1 + eps)),on = .(ref > lower,ref < upper),.(name,value,reference = x.ref)]
它再现了预期的结果:
06003
作为对OP’s comment的回应,假设我们有一个修改后的referencelist2,其中F = 154.00320,那么这也将被捕获:
setDT(referencelist2)[.(value = sample,reference = x.ref)]
06005