測試矩陣或數據幀的行是否按R排序

Question

什么是測試矩陣中的行是否排序的有效方法？ [更新：請參閱Aaron的Rcpp答案 - 直截了當且非常快。]

我正在移植一些使用issorted(,'rows')代碼。 因為看起來is.unsorted並沒有超出向量，我正在寫或尋找其他東西。 天真的方法是檢查矩陣（或數據框）的排序版本是否與原始版本相同，但這顯然效率低下。

注意：為了排序， 在Matlab中進行排序sortrows() ，我的代碼基本上使用SortedDF <- DF[do.call(order, DF),] （它包含在一個更大的函數中，它將矩陣轉換為數據幀，將參數傳遞給order等）。 如果有更快的實現（數據表浮現在腦海中），我不會感到驚訝。

---

更新1：澄清：我沒有測試排列行內或列內。 （這種排序通常會產生代數不同的矩陣。）

作為創建未排序矩陣的示例：

set.seed(0)
x <- as.data.frame(matrix(sample(3, 60, replace = TRUE), ncol = 6, byrow = TRUE))

它的排序版本是：

y <- x[do.call(order, x),]

一個正確的測試，比如testSorted ，對於testSorted(x)將返回FALSE ，對於testSorted(y)將返回TRUE 。

更新2：以下答案都很好 - 它們很簡潔並且可以進行測試。 關於效率，看起來這些都是對數據進行排序。

我已經嘗試使用相當大的矩陣，例如1M x 10，（只是更改上面的x的創建），並且所有矩陣都具有相同的時間和內存成本。 特別之處在於它們對未分類對象（1Mx10大約5.5秒）消耗的時間比分類對象（ y大約0.5秒）消耗的時間更長。 這表明他們在測試前進行了分類。

我通過創建一個z矩陣進行測試：

z <- y
z[,2] <- y[,1]
z[,1] <- y[,2]

在這種情況下，所有方法都需要大約0.85秒才能完成。 無論如何，在5.5秒內完成並不可怕（事實上，對於對象排序所需的時間似乎是正確的），但是知道排序矩陣快11倍表明沒有排序的測試可能是均勻的快點。 在1M行矩陣的情況下， x前三行是：

  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1  3  1  2  2  3  1  3  3  2   2
2  1  1  1  3  2  3  2  3  3   2
3  3  3  1  2  1  1  2  1  2   3

沒有必要超越第2行，盡管矢量化並不是一個壞主意。

（我還為x的創建添加了byrow參數，因此行值不依賴於x的大小。）

更新3：可以使用Linux中的sort -c命令找到此測試的另一個比較。 如果文件已經寫入（使用write.table() ），包含1M行，那么time sort -c myfile.txt對於未排序數據需要0.003秒，對於排序數據需要0.101秒。 我不打算寫出文件，但這是一個有用的比較。

更新4： Aaron的Rcpp方法擊敗了這里提供的所有其他方法，並且我已經嘗試過（包括上面的sort -c比較：內存中預計將擊敗磁盤）。 至於相對於其他方法的比例，很難說：分母太小而無法給出准確的測量結果，而且我沒有廣泛探索微microbenchmark 。 對於某些矩陣（例如用rnorm制作的矩陣），加速可能非常大（4-5個數量級），但這是誤導性的 - 檢查可以在僅幾行之后終止。 我已經加速了大約25-60的示例矩陣和未分類的大約1.1X，因為如果數據被排序，競爭方法已經非常快。

由於這是正確的事情（即沒有排序，只是測試），並且非常快，它是公認的答案。

Answer 1

如果y被排序，則do.call（order，y）返回1：nrow（y）。

 testSorted = function(y){all(do.call(order,y)==1:nrow(y))}

請注意，這不會比較矩陣，但一旦發現不匹配就不會消失。

Answer 2

好吧，你為什么不用：

all(do.call(order, y)==seq(nrow(y)))

這避免了創建有序矩陣，並確保它檢查您的訂購風格。

Answer 3

好吧，蠻力方法是循環和比較，一旦發現違規就中止。

這種方法可以在R中輕松實現和測試，然后轉移到一個簡單的C ++函數，我們可以通過內聯和Rcpp連接到R（如果必須的話，還可以連接到普通的C），因為循環是真正受益於實現的一個實現。編譯語言。

否則，您是否可以使用diff()類的東西並檢查所有增量是否為非負值？

Answer 4

更新 ：我決定使用Rcpp練習......

library(Rcpp)
library(inline)
isRowSorted <- cxxfunction(signature(A="numeric"), body='
  Rcpp::NumericMatrix Am(A);
  for(int i = 1; i < Am.nrow(); i++) {
    for(int j = 0; j < Am.ncol(); j++) {
      if( Am(i-1,j) < Am(i,j) ) { break; }
      if( Am(i-1,j) > Am(i,j) ) { return(wrap(false)); }
    }
  }
  return(wrap(true));
', plugin="Rcpp")

rownames(y) <- NULL # because as.matrix is faster without rownames
isRowSorted(as.matrix(y))

新：這個只有R的黑客對所有矩陣的速度都是一樣的; 它對於排序矩陣來說肯定更快; 對於未分類的，它取決於未分類的性質。

iss3 <- function(x) {
  x2 <- sign(do.call(cbind, lapply(x, diff)))
  x3 <- t(x2)*(2^((ncol(x)-1):0))
  all(colSums(x3)>=0)
}

原文：對於一些未分類的矩陣，這個更快。 多快將取決於未分類元素的位置; 這會逐列地查看矩陣，因此左側的未排序將比右側的未排序快得多，而頂部/底部幾乎無關緊要。

iss2 <- function(y) {
  b <- c(0,nrow(y))
  for(i in 1:ncol(y)) {
    z <- rle(y[,i])
    b2 <- cumsum(z$lengths)
    sp <- split(z$values, cut(b2, breaks=b))
    for(spi in sp) {
      if(is.unsorted(spi)) return(FALSE)
    }
    b <- c(0, b2)
  }
  return(TRUE)
}

Answer 5

您可以將do.call語句與is.unsorted一起is.unsorted ：

issorted.matrix <- function(A) {!is.unsorted(do.call("order",data.frame(A)))}