关于r:如何访问向量中的最后一个值?

关于r:如何访问向量中的最后一个值?

How to access the last value in a vector?

假设我有一个向量嵌套在一个或两个级别的数据框中。 是否有一种快速而又肮脏的方法来访问最后一个值,而不使用length()函数? 是PERL的$#特殊变量吗?

所以我想要这样的东西:

1
dat$vec1$vec2[$#]

代替

1
dat$vec1$vec2[length(dat$vec1$vec2)]

我使用tail函数:

1
tail(vector, n=1)

x[length(x)]习惯用法不同,tail的好处是它也适用于数据帧。


为了不是从美学角度而是以性能为导向来回答这个问题,我已将上述所有建议通过基准进行了分析。确切地说,我已经考虑了建议

  • x[length(x)]
  • mylast(x),其中mylast是通过Rcpp实现的C ++函数,
  • tail(x, n=1)
  • dplyr::last(x)
  • x[end(x)[1]]]
  • rev(x)[1]

并将它们应用于各种大小的随机向量(10 ^ 3、10 ^ 4、10 ^ 5、10 ^ 6和10 ^ 7)。在我们查看这些数字之前,我认为应该清楚的是,任何在输入大小较大时变得明显变慢的事物(即,不是O(1)的事物)都不是选择。这是我使用的代码:

1
2
3
4
5
6
7
8
9
10
Rcpp::cppFunction('double mylast(NumericVector x) { int n = x.size(); return x[n-1]; }')
options(width=100)
for (n in c(1e3,1e4,1e5,1e6,1e7)) {
  x <- runif(n);
  print(microbenchmark::microbenchmark(x[length(x)],
                                       mylast(x),
                                       tail(x, n=1),
                                       dplyr::last(x),
                                       x[end(x)[1]],
                                       rev(x)[1]))}

它给我

1
2
3
4
5
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
Unit: nanoseconds
           expr   min      lq     mean  median      uq   max neval
   x[length(x)]   171   291.5   388.91   337.5   390.0  3233   100
      mylast(x)  1291  1832.0  2329.11  2063.0  2276.0 19053   100
 tail(x, n = 1)  7718  9589.5 11236.27 10683.0 12149.0 32711   100
 dplyr::last(x) 16341 19049.5 22080.23 21673.0 23485.5 70047   100
   x[end(x)[1]]  7688 10434.0 13288.05 11889.5 13166.5 78536   100
      rev(x)[1]  7829  8951.5 10995.59  9883.0 10890.0 45763   100
Unit: nanoseconds
           expr   min      lq     mean  median      uq    max neval
   x[length(x)]   204   323.0   475.76   386.5   459.5   6029   100
      mylast(x)  1469  2102.5  2708.50  2462.0  2995.0   9723   100
 tail(x, n = 1)  7671  9504.5 12470.82 10986.5 12748.0  62320   100
 dplyr::last(x) 15703 19933.5 26352.66 22469.5 25356.5 126314   100
   x[end(x)[1]] 13766 18800.5 27137.17 21677.5 26207.5  95982   100
      rev(x)[1] 52785 58624.0 78640.93 60213.0 72778.0 851113   100
Unit: nanoseconds
           expr     min        lq       mean    median        uq     max neval
   x[length(x)]     214     346.0     583.40     529.5     720.0    1512   100
      mylast(x)    1393    2126.0    4872.60    4905.5    7338.0    9806   100
 tail(x, n = 1)    8343   10384.0   19558.05   18121.0   25417.0   69608   100
 dplyr::last(x)   16065   22960.0   36671.13   37212.0   48071.5   75946   100
   x[end(x)[1]]  360176  404965.5  432528.84  424798.0  450996.0  710501   100
      rev(x)[1] 1060547 1140149.0 1189297.38 1180997.5 1225849.0 1383479   100
Unit: nanoseconds
           expr     min        lq        mean    median         uq      max neval
   x[length(x)]     327     584.0     1150.75     996.5     1652.5     3974   100
      mylast(x)    2060    3128.5     7541.51    8899.0     9958.0    16175   100
 tail(x, n = 1)   10484   16936.0    30250.11   34030.0    39355.0    52689   100
 dplyr::last(x)   19133   47444.5    55280.09   61205.5    66312.5   105851   100
   x[end(x)[1]] 1110956 2298408.0  3670360.45 2334753.0  4475915.0 19235341   100
      rev(x)[1] 6536063 7969103.0 11004418.46 9973664.5 12340089.5 28447454   100
Unit: nanoseconds
           expr      min         lq         mean      median          uq       max neval
   x[length(x)]      327      722.0      1644.16      1133.5      2055.5     13724   100
      mylast(x)     1962     3727.5      9578.21      9951.5     12887.5     41773   100
 tail(x, n = 1)     9829    21038.0     36623.67     43710.0     48883.0     66289   100
 dplyr::last(x)    21832    35269.0     60523.40     63726.0     75539.5    200064   100
   x[end(x)[1]] 21008128 23004594.5  37356132.43  30006737.0  47839917.0 105430564   100
      rev(x)[1] 74317382 92985054.0 108618154.55 102328667.5 112443834.0 187925942   100

这会立即排除涉及revend的所有内容,因为它们显然不是O(1)(并且结果表达式以非惰性方式求值)。 taildplyr::lastO(1)并不远,但它们也比mylast(x)x[length(x)]慢得多。由于mylast(x)x[length(x)]慢并且没有任何好处(相反,它是自定义的,不会优雅地处理空向量),我认为答案很明确:请使用x[length(x)]


如果您正在寻找与Python的x [-1]表示法一样好的东西,我认为您很不走运。标准成语是

1
x[length(x)]

但是编写一个函数来做到这一点很容易:

1
last <- function(x) { return( x[length(x)] ) }

R中缺少的这个功能也让我很烦!


结合lindelof和Gregg Lind的想法:

1
last <- function(x) { tail(x, n = 1) }

在提示符下工作时,我通常会省略n=,即tail(x, 1)

pastecs包中的last不同,headtail(来自utils)不仅适用于矢量,还适用于数据帧等,并且还可以"不带前/后n个元素"返回数据。 ,例如

1
but.last <- function(x) { head(x, n = -1) }

(请注意,您必须为此使用head,而不是tail。)


dplyr软件包包括一个函数last()

1
2
last(mtcars$mpg)
# [1] 21.4

我刚刚使用以下代码在663552行的数据帧上对这两种方法进行了基准测试:

1
2
3
4
5
6
7
8
9
system.time(
  resultsByLevel$subject <- sapply(resultsByLevel$variable, function(x) {
    s <- strsplit(x,".", fixed=TRUE)[[1]]
    s[length(s)]
  })
  )

 user  system elapsed
  3.722   0.000   3.594

1
2
3
4
5
6
7
8
9
system.time(
  resultsByLevel$subject <- sapply(resultsByLevel$variable, function(x) {
    s <- strsplit(x,".", fixed=TRUE)[[1]]
    tail(s, n=1)
  })
  )

   user  system elapsed
 28.174   0.000  27.662

因此,假设您正在使用向量,则访问长度位置的速度明显更快。


另一种方法是采用反向向量的第一个元素:

1
rev(dat$vect1$vec2)[1]

软件包data.table包含last功能

1
2
3
library(data.table)
last(c(1:10))
# [1] 10

我有另一种方法来查找向量中的最后一个元素。
假设向量为a

1
2
3
4
5
> a<-c(1:100,555)
> end(a)      #Gives indices of last and first positions
[1] 101   1
> a[end(a)[1]]   #Gives last element in a vector
[1] 555

你去!


关于什么

1
2
3
> a <- c(1:100,555)
> a[NROW(a)]
[1] 555

xts包提供了last函数:

1
2
3
4
library(xts)
a <- 1:100
last(a)
[1] 100


推荐阅读