我有几个向量的列表。我想检查列表中的所有向量是否相等。identical仅适用于成对比较。所以我写了以下对我来说看起来很丑的函数。我仍然没有找到更好的解决方案。这是我的回复：
test_true <- list(a=c(1,2,3),b=c(1,2,3),d=c(1,2,3))
test_false <- list(a=c(1,2,3),b=c(1,2,3),d=c(1,32,13))
compareList <- function(li){
stopifnot(length(li) > 1)
l <- length(li)
res <- lapply(li[-1],function(X,x) identical(X,x),x=li[[1]])
res <- all(unlist(res))
res
}
compareList(test_true)
compareList(test_false)
有什么建议么？除了成对比较之外，是否有任何本机检查是否相同？
怎么样
allSame <- function(x) length(unique(x)) == 1
allSame(test_true)
# [1] TRUE
allSame(test_false)
# [1] FALSE
正如@JoshuaUlrich 在下面指出的那样，unique列表可能会很慢。此外，identical并且unique可能使用不同的标准。Reduce是我最近了解的用于扩展成对操作的函数：
identicalValue <- function(x,y) if (identical(x,y)) x else FALSE
Reduce(identicalValue,test_true)
# [1] 1 2 3
Reduce(identicalValue,test_false)
# [1] FALSE
在找到一个不匹配后继续进行比较是低效的。我对此的粗略解决方案是写else break而不是else FALSE，抛出一个错误。
我会这样做：
all.identical <- function(l) all(mapply(identical, head(l, 1), tail(l, -1)))
all.identical(test_true)
# [1] TRUE
all.identical(test_false)
# [1] FALSE
总结解决方案。测试数据：
x1 <- as.list(as.data.frame(replicate(1000, 1:100)))
x2 <- as.list(as.data.frame(replicate(1000, sample(1:100, 100))))
解决方案：
comp_list1 <- function(x) length(unique.default(x)) == 1L
comp_list2 <- function(x) all(vapply(x[-1], identical, logical(1L), x = x[[1]]))
comp_list3 <- function(x) all(vapply(x[-1], function(x2) all(x[[1]] == x2), logical(1L)))
comp_list4 <- function(x) sum(duplicated.default(x)) == length(x) - 1L
数据测试：
for (i in 1:4) cat(match.fun(paste0("comp_list", i))(x1), " ")
#> TRUE TRUE TRUE TRUE
for (i in 1:4) cat(match.fun(paste0("comp_list", i))(x2), " ")
#> FALSE FALSE FALSE FALSE
基准：
library(microbenchmark)
microbenchmark(comp_list1(x1), comp_list2(x1), comp_list3(x1), comp_list4(x1))
#> Unit: microseconds
#> expr min lq mean median uq max neval cld
#> comp_list1(x1) 138.327 148.5955 171.9481 162.013 188.9315 269.342 100 a
#> comp_list2(x1) 1023.932 1125.2210 1387.6268 1255.985 1403.1885 3458.597 100 b
#> comp_list3(x1) 1130.275 1275.9940 1511.7916 1378.789 1550.8240 3254.292 100 c
#> comp_list4(x1) 138.075 144.8635 169.7833 159.954 185.1515 298.282 100 a
microbenchmark(comp_list1(x2), comp_list2(x2), comp_list3(x2), comp_list4(x2))
#> Unit: microseconds
#> expr min lq mean median uq max neval cld
#> comp_list1(x2) 139.492 140.3540 147.7695 145.380 149.6495 218.800 100 a
#> comp_list2(x2) 995.373 1030.4325 1179.2274 1054.711 1136.5050 3763.506 100 b
#> comp_list3(x2) 977.805 1029.7310 1134.3650 1049.684 1086.0730 2846.592 100 b
#> comp_list4(x2) 135.516 136.4685 150.7185 139.030 146.7170 345.985 100 a
正如我们看到的基于duplicated和unique功能的最有效的解决方案。
提出我的自我推销建议，cgwtools::approxeq 它本质上做了什么all.equal，但返回一个逻辑值向量，表示是否相等。
所以：取决于你想要完全相等还是浮点表示相等。
休息一下实施弗兰克的解决方案：
all.identical <- function(l) class(try(Reduce(function(x, y) if(identical(x, y)) x else break, l), silent = TRUE)) != "try-error"
继续 Artem 的基准测试并添加 Jake 评论中的解决方案，速度很大程度上取决于被比较的对象：
library(microbenchmark)
all.identical <- function(l) !is.null(Reduce(function(x, y) if(identical(x, y)) x else NULL, l))
all.identical.beak <- function(l) class(try(Reduce(function(x, y) if(identical(x, y)) x else break, l), silent = TRUE)) != "try-error"
comp_list4 <- function(l) sum(duplicated.default(l)) == length(l) - 1L
comp_list5 <- function(l) all(duplicated.default(l)[-1])
x1 <- as.list(as.data.frame(replicate(1000, 1:100)))
x2 <- as.list(as.data.frame(replicate(1000, sample(100))))
microbenchmark(all.identical(x1), all.identical.beak(x1), comp_list4(x1), comp_list5(x1))
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> all.identical(x1) 1060.2 1145.30 1396.207 1208.40 1433.25 4628.9 100
#> all.identical.beak(x1) 1081.1 1150.55 1345.244 1202.90 1334.50 5051.9 100
#> comp_list4(x1) 190.4 201.05 269.145 205.65 228.65 4225.8 100
#> comp_list5(x1) 195.8 207.60 267.277 218.35 250.30 3214.7 100
microbenchmark(all.identical(x2), all.identical.beak(x2), comp_list4(x2), comp_list5(x2))
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> all.identical(x2) 997.2 1058.30 1199.814 1113.50 1195.75 3309.2 100
#> all.identical.beak(x2) 101.6 110.60 136.213 118.10 136.00 361.9 100
#> comp_list4(x2) 152.5 161.05 188.098 168.95 196.15 418.4 100
#> comp_list5(x2) 156.0 165.30 191.243 172.85 194.65 638.2 100
x1 <- as.list(as.data.frame(replicate(10, 1:1e5)))
x2 <- as.list(as.data.frame(replicate(10, sample(1e5))))
microbenchmark(all.identical(x1), all.identical.beak(x1), comp_list4(x1), comp_list5(x1))
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> all.identical(x1) 391.1 435.75 491.762 459.95 500.80 1038.0 100
#> all.identical.beak(x1) 420.5 444.60 525.837 470.60 541.40 1542.8 100
#> comp_list4(x1) 1506.8 1596.65 1707.656 1645.80 1784.00 2241.0 100
#> comp_list5(x1) 1502.2 1583.55 1696.311 1647.65 1759.25 2275.6 100
microbenchmark(all.identical(x2), all.identical.beak(x2), comp_list4(x2), comp_list5(x2))
#> Unit: microseconds
#> expr min lq mean median uq max neval
#> all.identical(x2) 11.0 13.35 16.623 14.60 16.40 81.9 100
#> all.identical.beak(x2) 87.1 99.00 132.218 114.40 144.95 472.5 100
#> comp_list4(x2) 1127.6 1184.90 1286.094 1219.80 1298.90 2463.2 100
#> comp_list5(x2) 1124.9 1189.85 1291.297 1221.65 1301.60 2569.1 100
Created on 2021-12-02 by the reprex package (v2.0.1)
这也有效
m <- combn(length(test_true),2)
for(i in 1:ncol(m)){
print(all(test_true[[m[,i][1]]] == test_true[[m[,i][2]]]))
}