如何访问向量中的最后一个值?

r dataframe vector

274579 观看

11回复

1286 作者的声誉

假设我有一个向量嵌套在一个或两个级别的数据框中。有没有使用该length()函数的快速而肮脏的方法来访问最后一个值?是PERL的$#特殊变种吗?

所以我想要这样的东西:

dat$vec1$vec2[$#]

代替

dat$vec1$vec2[length(dat$vec1$vec2)]
作者: user14008 的来源 发布者: 2008 年 9 月 16 日

回应 (11)


104

13670 作者的声誉

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

x[length(x)]  

但是编写一个函数来做到这一点很容易:

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

R中缺少的这个功能也让我很烦!

作者: Gregg Lind 发布者: 17.09.2008 01:27

332

18360 作者的声誉

我使用的tail功能:

tail(vector, n=1)

用的好处tail是,它可以在dataframes也不像x[length(x)]成语。

作者: lindelof 发布者: 17.09.2008 01:32

44

3326 作者的声誉

结合lindelofGregg Lind的想法:

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

在提示符下工作时,我通常会忽略n=,即tail(x, 1)

lastfrom pastecs包不同,headand tail(from utils)不仅适用于矢量,还适用于数据帧等,并且还可以返回数据“ 不带前/后n个元素 ”,例如

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

(请注意,您必须使用head而不是tail。)

作者: Florian Jenn 发布者: 30.09.2008 04:28

12

53883 作者的声誉

另一种方法是采用反向向量的第一个元素:

rev(dat$vect1$vec2)[1]
作者: James 发布者: 11.02.2014 03:36

17

400 作者的声誉

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:

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 

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。

作者: scuerda 发布者: 13.05.2014 06:20

9

118 作者的声誉

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

> 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!

作者: Akash 发布者: 16.01.2015 08:35

7

440 作者的声誉

关于什么

> a <- c(1:100,555)
> a[NROW(a)]
[1] 555
作者: Kurt Ludikovsky 发布者: 10.09.2015 07:42

144

1707 作者的声誉

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处理。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)。在查看这些数字之前,我认为应该清楚,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:

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

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

这会立即排除所有涉及rev或的东西,end因为它们显然不是O(1)(并且以非惰性方式评估结果表达式)。taildplyr::last不是远未O(1)但他们也比相当慢mylast(x)x[length(x)]。由于mylast(x)速度慢x[length(x)]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)]

作者: anonymous 发布者: 15.05.2016 12:39

8

2213 作者的声誉

套餐data.table包括last功能

library(data.table)
last(c(1:10))
# [1] 10
作者: Enrique Pérez Herrero 发布者: 07.06.2016 06:42

16

11609 作者的声誉

所述dplyr封装包括功能last()

last(mtcars$mpg)
# [1] 21.4
作者: Sam Firke 发布者: 07.06.2016 06:51

2

324 作者的声誉

xts包提供了一个last功能:

library(xts)
a <- 1:100
last(a)
[1] 100
作者: smoff 发布者: 03.05.2017 12:51
32x32