Как ускорить сопоставление нечетких индексов в R (потенциально используя Rcpp)?

Я пытаюсь посмотреть значение из заданной таблицы поиска (lk_tbl) с использованием, из-за отсутствия лучшего слова, нечеткие соответствия, такие как следующие:Как ускорить сопоставление нечетких индексов в R (потенциально используя Rcpp)?

lk_tbl <- structure(list(num = c(1, 1.05, 1.1, 1.15, 1.2, 1.25, 1.3, 1.35, 
1.4), val = c(0.241970724519143, 0.229882140684233, 0.217852177032551, 
0.205936268719975, 0.194186054983213, 0.182649085389022, 0.171368592047807, 
0.16038332734192, 0.149727465635745)), .Names = c("num", "val" 
), row.names = c(NA, -9L), class = "data.frame") 

> lk_tbl 
    num  val 
1 1.00 0.2419707 
2 1.05 0.2298821 
3 1.10 0.2178522 
4 1.15 0.2059363 
5 1.20 0.1941861 
6 1.25 0.1826491 
7 1.30 0.1713686 
8 1.35 0.1603833 
9 1.40 0.1497275

В основном, пары таблиц числа и его связанное значение. Теперь, если я хочу найти значение, связанное с номером 1.22, которого нет в lk_tbl, я хочу сделать некоторую интерполяцию.

fuzzy_lkup<- function(x) { 
    matched_num <- lk_tbl %>% 
    filter(num==x)  # check for exact val 

    if(nrow(matched_num) == 1) { # if the exact match exists 
    return(matched_num$val) 
    } 
    else { 
    return(lk_tbl %>% 
    filter(x < num + 0.05, x > num -0.05) %>% 
    .[["val"]] %>% 
    mean()) 

    } 
} 


> fuzzy_lkup(1) # it returns the matched value 
[1] 0.2419707 
> fuzzy_lkup(1.22) # it does the interpolation 
[1] 0.1884176 

# for the vector, I can use vapply like this. 
> vapply(c(1.22, 1.18, 1.24), fuzzy_lkup,numeric(1)) 
[1] 0.1884176 0.2000612 0.1884176

В конечном счете, я хочу сделать это для длинного вектора из огромной таблицы поиска.

Теперь то, что я наблюдал этот процесс prohibitly медленный для большой таблицы поиска Так что мой вопрос

Как бы вы ускорить это? (vectorize this function?)
Как бы вы решили это с помощью Rcpp? Является ли Rcpp правильным инструментом для этого? как вы импортируете таблицу поиска, какую структуру данных вы бы использовали для ее решения, и в конечном итоге, как вы решаете эту проблему?

источник

2016-02-26 Alby

Из вашего описания, потенциальный подход может быть:

ff = function(x, num, val) 
{ 
    i = findInterval(x, num) #map input to the lookup-table 

    #make the appropriate vectors to interpolate 
    nums = c(rbind(num[i], x, num[i + 1L])) 
    vals = c(rbind(val[i], NA, val[i + 1L])) 

    #if 'mean' is needed; i.e. 'f(1.22) == f(1.24)' etc, the following could be used: 
    #nums = seq_along(vals) 

    ans = approx(nums, vals, xout = nums)$y[seq(2L, length(nums), 3L)] 

    return(cbind(x, ans)) 
}

И пример:

ff(c(1.22, 1.18, 1.24, 1.05, 1.2, 1.22, 1.23, 1.24, 1.4, 1.5), lk_tbl$num, lk_tbl$val) 
#   x  ans 
# [1,] 1.22 0.1895713 
# [2,] 1.18 0.1988861 
# [3,] 1.24 0.1849565 
# [4,] 1.05 0.2298821 
# [5,] 1.20 0.1941861 
# [6,] 1.22 0.1895713 
# [7,] 1.23 0.1872639 
# [8,] 1.24 0.1849565 
# [9,] 1.40 0.1497275 
#[10,] 1.50  NA

Для решения второго вопроса, выше может также быть удобно переданы в C благодаря API R:

ffC = inline::cfunction(sig = c(x = "numeric", num = "numeric", val = "numeric"), body = ' 
    SEXP ans = PROTECT(allocVector(REALSXP, LENGTH(x))); 

    double *px = REAL(x), *pnum = REAL(num), *pval = REAL(val), *pans = REAL(ans); 

    int n = LENGTH(num), flag; 

    for(int i = 0, ind = 1; i < LENGTH(x); i++) { 
     ind = findInterval(pnum, n, px[i], 0, 0, ind, &flag); 

     pans[i] = ind == n ? (px[i] == pnum[n - 1] ? pval[n - 1] : NA_REAL) : 
      pval[ind - 1] + (pval[ind] - pval[ind - 1]) * 
       ((px[i] - pnum[ind - 1])/(pnum[ind] - pnum[ind - 1])); 
    } 

    UNPROTECT(1); 
    return(ans); 
', language = "C")

И бен с использованием двух подходов:

NUM = seq(1, 100, 0.2) 
set.seed(007) 
VAL = runif(length(NUM)) 
X = sample(1:110, 1e5, TRUE) + sample(seq(0, 1, 0.01), 1e5, TRUE) 

all.equal(ff(X, NUM, VAL)[, 2L], ffC(X, NUM, VAL)) 
#[1] TRUE 
microbenchmark::microbenchmark(ff(X, NUM, VAL)[, 2L], ffC(X, NUM, VAL), times = 30) 
#Unit: milliseconds 
#     expr  min   lq  mean  median   uq  max neval cld 
# ff(X, NUM, VAL)[, 2L] 182.215633 222.755943 236.844409 225.315683 236.060114 366.74375 30 b 
#  ffC(X, NUM, VAL) 6.927356 6.986864 7.375294 7.078041 7.198103 10.10846 30 a

источник

2016-02-26 08:52:53

Как ускорить сопоставление нечетких индексов в R (потенциально используя Rcpp)?

ответ

Смежные вопросы