自定义对引用值的舍入(nDimensional)

Question

我想从最接近测试坐标的向量中提取坐标。

该任务将与先前发布的：(Find the approximate value in the vector)非常相似，但适用于nDimensional情况并具有多个输入。

换言之，鉴于：

 test=t(data.frame(
      c(0.9,1.1,1),
      c(7.5,7.4,7.3),
      c(11,11,11.2)
    ))
    
 reference=t(data.frame(
      c(1,0,0.5),
      c(2,2,2),
      c(3.3,3.3,3.3),
      c(9,9,9),
      c(10,11,12)
    )) 

result <- approximate(test,reference)

  1    0    0.5
  9    9    9
 10   11   12

我用欧几里德距离和旧的学校循环编写了一个函数，但是当输入数据很大时，就会导致执行次数的增加。

有人能想出一种更有效的方法吗？提前谢谢你。

PS:这是我创建的函数，可以工作，但需要一段时间(以防有人发现它有用)。

approximate_function<- function(approximate,reference){
  # Function that returns for each entrance of approximate the closest value of reference
  # It uses a euclidean distance.
  # each entrance must be a row in the dataframe
  # the number of columns of the df indicates the dimension of the points
  
  
# Sub function to calculate euclidean distance

  distance_function<- function(a,b){
    
    squaresum<-0
    for(id in 1:length(a)){
      squaresum=squaresum+(a[id]-b[id])^2
    }
    
    result=sqrt(squaresum)
    
    return(result)
  }  

    
  result<-data.frame()
  
  #Choose 1 item from vector to aproximate at a time
  for(id_approximate in 1:nrow(approximate)){
    
    distance=c()
    
    #Compare the value to aproximate with the reference points and chose the one with less distance
    for(id_reference in 1:nrow(reference)){
      distance[id_reference]<-distance_function(approximate[id_approximate,],reference[id_reference,])
      
      }
    
    result<-rbind(
      result,
      reference[which.min(distance),]
    )
    
  }
  
  return(result)
    

}

Answer 1

你有一些计算会很慢。

第一：

 test=t(data.frame(
    c(0.9,1.1,1),         
    c(7.5,7.4,7.3),
    c(11,11,11.2)
  ))

这个可能不重要，但最好是

test=rbind(
      c(0.9,1.1,1),
      c(7.5,7.4,7.3),
      c(11,11,11.2)
    )

设置reference也是一样的。

第二和第三步:将result设置为数据格式，然后每次向其中添加行。对于行操作来说，Dataframes要比矩阵慢得多，并且R中的逐渐增长的结构是缓慢的。因此，从一开始就将其设置为一个矩阵，并将结果分配到特定的行中。

编辑后添加：

第四:不需要内部循环。您可以计算一个大矩阵中的所有平方差，然后使用rowSums或colSums求出平方距离。如果使用的是矩阵列而不是行，这是最简单的，因为向量将被正确地自动复制。

第五:不需要取平方根；如果平方距离被最小化，那么距离也是最小的。

结果如下：

approximate <- function(test, reference){

  # transpose the reference
  reference <- t(reference)
  
  # set up the result, not transposed
  result <- test*NA
  
  #Choose 1 item from vector to aproximate at a time
  for(id in seq_len(nrow(test))){
    
    squareddist <- colSums((test[id,] - reference)^2)
    
    result[id,] <- reference[, which.min(squareddist)]
  
  }
  return(result)
  
}

Answer 2

这样，计算就可以立即完成。

approximate_function<- function(approximate,reference){

  # Function that returns for each entrance of approximate the closest value of reference
  # It uses a euclidean distance.
  # each entrance must be a row in the dataframe
  # the number of columns of the df indicates the dimension of the points
  
  
  results=data.frame()
  
  #Choose 1 item from vector to aproximate at a time
  for(id in 1:nrow(approximate)){
    
    
   #calculates euclidean distances regardless the dimension
   sumsquares=rep(0,nrow(reference))
    
   for(dim in 1:ncol(approximate)){
     sumsquares = sumsquares + (approximate[id,dim]-reference[,dim])^2
   }
    
   distances=sqrt(sumsquares)
    
    
    results<- rbind(
      results,
      reference[which.min(distances),]
    )
    
  
  }
  
  return(results)

}