18

我想交错两个相同模式和相等长度的向量。说:

a <- rpois(lambda=3,n=5e5)
b <- rpois(lambda=4,n=5e5)

我想将这两个向量交织或交错,以创建一个等效的向量c(a[1],b[1],a[2],b[2],...,a[length(a)],b[length(b)])

我的第一次尝试是这样的:

sapply(X=rep.int(c(3,4),times=5e5),FUN=rpois,n=1)

但它需要rpois被调用的次数远远超过需要的次数。

到目前为止,我最好的尝试是将其转换为矩阵并重新转换回向量:

d <- c(rbind(rpois(lambda=3,n=5e5),rpois(lambda=4,n=5e5)))
d <- c(rbind(a,b))

有没有更好的方法去做呢?或者 base 中是否有一个功能R可以完成同样的事情?

4

2 回答 2

16

你的rbind方法应该很好用。你也可以使用

rpois(lambda=c(3,4),n=1e6)

因为 R 会自动将 lambda 值的向量复制到所需的长度。速度差别不大:

library(rbenchmark)
benchmark(rpois(1e6,c(3,4)),
     c(rbind(rpois(5e5,3),rpois(5e5,4))))


#                                        test replications elapsed relative
# 2 c(rbind(rpois(5e+05, 3), rpois(5e+05, 4)))          100  23.390 1.112168
# 1                      rpois(1e+06, c(3, 4))          100  21.031 1.000000

并且优雅是旁观者的眼中...当然,该c(rbind(...))方法通常适用于构造交替向量,而另一种解决方案特定于rpois或其他以这种方式复制其参数的函数。

于 2012-08-20T20:28:32.160 回答
4

一些速度测试,结合 Ben Bolker 的回答:

 benchmark(
 c(rbind(rpois(lambda=3,n=5e5),rpois(lambda=4,n=5e5))),
 c(t(sapply(X=list(3,4),FUN=rpois,n=5e5))),
 sapply(X=rep.int(c(3,4),times=5e5),FUN=rpois,n=1),
 rpois(lambda=c(3,4),n=1e6),
 rpois(lambda=rep.int(c(3,4),times=5e5),n=1e6)
 )
                                                                  test
1 c(rbind(rpois(lambda = 3, n = 5e+05), rpois(lambda = 4, n = 5e+05)))
2                 c(t(sapply(X = list(3, 4), FUN = rpois, n = 5e+05)))
4                                   rpois(lambda = c(3, 4), n = 1e+06)
5           rpois(lambda = rep.int(c(3, 4), times = 5e+05), n = 1e+06)
3      sapply(X = rep.int(c(3, 4), times = 5e+05), FUN = rpois, n = 1)
  replications elapsed   relative user.self sys.self user.child sys.child
1          100    6.14   1.000000      5.93     0.15         NA        NA
2          100    7.11   1.157980      7.02     0.02         NA        NA
4          100   14.09   2.294788     13.61     0.05         NA        NA
5          100   14.24   2.319218     13.73     0.21         NA        NA
3          100  700.84 114.143322    683.51     0.50         NA        NA
于 2012-08-20T22:55:02.953 回答