130-R茶话会22-用字典array的特性加速你的代码

北野茶缸子

发布于 2022-05-19 11:33:51

1440

发布于 2022-05-19 11:33:51

文章被收录于专栏：北野茶缸子的专栏

前言

最近有同学后台给我留言。

其大致问题如下：

★统计各个中药，在不同的中药处方出现的频数。 ”

这里就提示我们，中药处方包含的中药数目不同，该为列表结构。

先生成模拟数据：

my_list <- vector("list", length = 100)
lapply(1:100, function(x){
  my_index <- sample(1:50, replace = T)
  my_list[[x]] <<- unique(letters[sample(26, size = my_index, replace = T)])
})
my_vector <- unique(unlist(my_list))

因为每个中药处方中的中药只会出现一次，因此unique 一下。

R似乎让我忘记了时间复杂度

最暴力的方式，也就是逐一判断了。

我们首先将my_list 来unlist 一下，得到全部中药的向量。

然后拿每个向量去判断其是否在处方中，对应一个处方长度的逻辑值向量。统计其中的T，即是每个中药的频数。

但是，这个时间复杂度，可是处方总长度x中药长度x每个处方的长度。太慢了，不想写代码。

幸好我练习了字典

在python 中，有专门的字典对象，dict。

在R中，是没有特别的字典结构的。

但其实，列表对象，或者说有名列表，广义来说便是一个字典。

my_dict <- lapply(rep(0,length(my_vector)), "[") # 长度为全部中药的计数为0 的列表
names(my_dict) <- my_vector
for (i in my_list){
  for (z in i){
    my_dict[[z]] <- my_dict[[z]] + 1
  }
}

直接遍历中药处方中的全部中药即可。