是否適用於非矢量化的情況，反之亦然？

（背景信息：ifelse評估表達的兩個，即使只有一個將返回編輯：這是不正確的陳述見湯米的答覆。）是否適用於非矢量化的情況，反之亦然？

是否有一個地方是有道理的使用ifelse任何例子在非矢量化的情況下？我認爲，當我們不關心小的效率增益時，「可讀性」可能是一個有效的答案，但除此之外，如果使用if然後再使用ifelse時，其速度更快/相當於/更好一些else會做這項工作嗎？

同樣，如果我有矢量化的情況，ifelse總是最好的工具來使用？似乎很奇怪，這兩個表達式都被評估過。是否更快地逐一循環並進行正常的if然後else？我猜測只有在評估表達式花了很長時間纔有意義。有沒有其他的選擇不涉及顯式循環？

感謝

來源

2011-11-18 Xu Wang

首先，ifelse確實不始終評估兩種表述 - 只有在有測試向量都TRUE和FALSE元素。

ifelse(TRUE, 'foo', stop('bar')) # "foo"

，在我看來：

ifelse應該不將在非量化的情況下使用。這是總是慢和更容易出錯使用ifelse超過if/else：

# This is fairly common if/else code 
if (length(letters) > 0) letters else LETTERS 

# But this "equivalent" code will yield a very different result - TRY IT! 
ifelse(length(letters) > 0, letters, LETTERS)

在量化的情況下，雖然，ifelse可以是一個不錯的選擇 - 但要注意的是結果的長度和屬性可能不是你所期望的（如上所述，我認爲ifelse在這方面被打破）。

下面是一個示例：tst的長度爲5並且有一個類。我期望的結果是長度爲10，沒有類，但這不是什麼情況 - 它得到一個不兼容的類和長度5！

# a logical vector of class 'mybool' 
tst <- structure(1:5 %%2 > 0, class='mybool') 

# produces a numeric vector of class 'mybool'! 
ifelse(tst, 101:110, 201:210) 
#[1] 101 202 103 204 105 
#attr(,"class") 
#[1] "mybool"

爲什麼我會期望長度爲10？因爲在R「循環」的大部分功能較短矢量以匹配較長：

1:5 + 1:10 # returns a vector of length 10.

...但是ifelse僅週期是/否參數以匹配TST參數的長度。

爲什麼我會期望從測試對象中複製類（和其他屬性）到而不是？因爲返回邏輯向量的<不會從它的（通常是數字）參數中複製類和屬性。它不這樣做，因爲它通常是非常錯誤的。

1:5 < structure(1:10, class='mynum') # returns a logical vector without class

最後，「自己動手」可以更有效率嗎？那麼，ifelse似乎不是像if這樣的基元，它需要一些特殊的代碼來處理NA。如果您沒有NA s，那麼自己動手可能會更快。

tst <- 1:1e7 %%2 == 0 
a <- rep(1, 1e7) 
b <- rep(2, 1e7) 
system.time(r1 <- ifelse(tst, a, b))   # 2.58 sec 

# If we know that a and b are of the same length as tst, and that 
# tst doesn't have NAs, then we can do like this: 
system.time({ r2 <- b; r2[tst] <- a[tst]; r2 }) # 0.46 secs 

identical(r1, r2) # TRUE

來源

2011-11-18 23:23:26 Tommy

謝謝！我現在沒時間看這個，但今晚晚些時候我會這樣做。感謝您的評論和示例。 –

優秀的建議和例子。謝謝！ –

請注意'ifelse'確實執行向量回收 - 如果'yes'或'no'變量的長度與'test'不相等，它們將被回收。這意味着如果所有矢量長度相等，則示例末尾的測試代碼只會得出相同的結果。試試這個輸入數據：'tst < - sample（c（TRUE，FALSE），1e2，replace = TRUE）; a < - 1：100; b < - - （1:50）;' – Andrie

關於第二點，您如何定義「最佳」？我認爲ifelse()是更可讀的解決方案之一，但可能並不總是最快的。具體來說，我發現寫出布爾條件並將它們加在一起可以帶來一些性能優勢。這裏有一個簡單的例子：

> x <- rnorm(1e6) 
> system.time(y1 <- ifelse(x > 0,1,2)) 
    user system elapsed 
    0.46 0.08 0.53 
> system.time(y2 <- (x > 0) * 1 + (x <= 0) * 2) 
    user system elapsed 
    0.06 0.00 0.06 
> identical(y1, y2) 
[1] TRUE

所以，如果速度是你最關心的問題，布爾方法可能會更好。然而，對於我的大部分目的 - 我發現ifelse()足夠快，很容易理解。您的里程可能會有所不同。

來源

2011-11-19 01:57:55 Chase

我會羞於承認編寫布爾版本不僅僅因爲它很快，而且因爲它是31337。但是，嚴肅地說，一旦你習慣了它，代碼就像使用if一樣易於閱讀和理解代碼。 –

@Chase好點 –

使用'y3 < - （x <= 0）+ 1'的速度更快，因爲它不包含冗餘測試。 –

是否適用於非矢量化的情況，反之亦然？

回答

相關問題