2012-02-16 35 views
12

¿Existe una forma rápida de encontrar qué filas en la matriz A están presentes en la matriz B? p.Comparación de filas entre dos matrices

m1 = matrix(c(1:6), ncol=2, byrow = T); m2 = matrix(c(1:4), ncol=2, byrow=T); 

y el resultado sería 1, 2.

Las matrices no tienen el mismo número de filas (número de columnas es el mismo), y que son algo grande - de 10^6 - 10^7 número de filas.

La forma más rápida de hacerlo, que yo sepa, por ahora, es:

duplicated(rbind(m1, m2)) 

TNX!

+2

Su solución con 'duplicated' también volverían las filas que se repiten dentro de una matriz, incluso si aparece en sólo una de las dos matrices. De todos modos, la respuesta de @ MatthewDowle es genial. –

+1

'data.table' podría ser más rápido porque no utiliza' do.call ("paste" 'under the hood. Si prefiere' duplicated' a 'M2 [M1]' then 'duplicated (as.data.table (rbind (m1, m2))) 'podría ser más rápido, por la misma razón. Interesado en ver sus tiempos. –

+0

@David Oh, sí, es un buen punto sobre el enfoque' duplicado' –

Respuesta

21

Una forma rápida para ese tamaño debe ser:

require(data.table) 
M1 = setkey(data.table(m1)) 
M2 = setkey(data.table(m2)) 
na.omit(
    M2[M1,which=TRUE] 
) 
[1] 1 2 
-1

creé esta función que devolverá el ID originales. Por ejemplo, si desea hacer coincidir la matriz x con la matriz y, devolverá la identificación de coincidencia de y.

rowiseMatch2 <- function(x,y){ 
    require(data.table) 
    keycols <- colnames(x) 
    x <- cbind(x, id=1:nrow(x)) 
    y <- cbind(y, id=1:nrow(y)) 
    m1 = data.table(x) 
    setkeyv(m1, keycols) 
    m2 = data.table(y) 
    setkeyv(m2, keycols) 
    m1id <- m1$id 
    m2id <- m2$id 

    m1$id <- NULL 
    m2$id <- NULL 

    m <- na.omit(m2[m1,which=TRUE]) 
    mo <- m2id[m][order(m1id)] 

    if(length(mo) == nrow(x)){ 
    cat("Complete match!\n") 
    }else{ 
    cat("Uncomplete match, match percentage is:", round(length(mo)/nrow(x), 4)*100, "%\n") 
    } 
    return(as.integer(mo)) 
} 
Cuestiones relacionadas