如何计算逻辑向量中的TRUE值
在R中，计算逻辑向量中的TRUE值的数量的最有效/惯用的方法是什么？ 我可以想到两种方法：
z <- sample(c(TRUE, FALSE), 1000, rep = TRUE) sum(z) # [1] 498 table(z)["TRUE"] # TRUE # 498
你喜欢哪个？ 还有什么更好的吗？
当逻辑向量包含NA值时会出现一些问题。
看例如：
z <- c(TRUE, FALSE, NA) sum(z) # gives you NA table(z)["TRUE"] # gives you 1 length(z[z==TRUE]) # f3lix answer, gives you 2 (because NA indexing returns values)
所以我觉得安全
sum(z, na.rm=TRUE) # best way to count TRUE values
（这给出1）。 我认为table解决scheme效率较低（查看table函数的代码）。
此外，如果逻辑向量中没有TRUE值，则应该小心“表”解决scheme。 假设z <- c(NA, FALSE, NA)或者简单地z <- c(FALSE, FALSE)
table(z)["TRUE"] # gives you NA for both cases.
没有提到的另一个select是使用which ：
length(which(z))
只是为了在“哪个问题更快”中提供一些背景知识，通常只需要testing自己就可以了。 我做了比较大的载体：
z <- sample(c(TRUE,FALSE),1000000,rep=TRUE) system.time(sum(z)) user system elapsed 0.03 0.00 0.03 system.time(length(z[z==TRUE])) user system elapsed 0.75 0.07 0.83 system.time(length(which(z))) user system elapsed 1.34 0.28 1.64 system.time(table(z)["TRUE"]) user system elapsed 10.62 0.52 11.19
所以在这种情况下，清楚地使用sum是最好的方法。 Marekbuild议您也可以检查NA值。
只需添加关于NA值和which函数的注释：
> which(c(T, F, NA, NULL, T, F)) [1] 1 4 > which(!c(T, F, NA, NULL, T, F)) [1] 2 5
请注意，它只检查逻辑TRUE ，所以它实际上忽略了非逻辑值。
另一种方法是
> length(z[z==TRUE]) [1] 498
虽然sum(z)很好，但对我而言， length(z[z==TRUE])更能自我解释。 尽pipe如此，我认为通过这样一个简单的任务它并没有真正有所作为。
如果它是一个大的vector，你可能应该用最快的解决scheme，这是sum(z) 。 length(z[z==TRUE])大约慢10倍，而table(z)[TRUE]大约比sum(z)慢200倍。
总结一下， sum(z)是键入和执行的最快速度。
which是很好的select，特别是当你在matrix上操作时（检查?which并注意到arr.ind参数）。 但是我build议你坚持一下，因为na.rm论据可以处理NA的逻辑向量。 例如：
# create dummy variable set.seed(100) x <- round(runif(100, 0, 1)) x <- x == 1 # create NA's x[seq(1, length(x), 7)] <- NA
如果你inputsum(x)你将得到NA ，但是如果你在sum函数中传递na.rm = TRUE ，你会得到你想要的结果。
> sum(x) [1] NA > sum(x, na.rm=TRUE) [1] 43
你的问题是严格的理论，还是你有一些关于逻辑向量的实际问题？
另一个select是使用汇总function。 它给出了Ts，Fs和NAs的总结。
> summary(hival) Mode FALSE TRUE NA's logical 4367 53 2076 >
几个星期前我一直在做类似的事情。 这是一个可能的解决scheme，它是从头开始编写的，所以它是一种beta版本或类似的东西。 我会尝试通过从代码中删除循环来改善它…
主要想法是写一个函数，将采取2（或3）参数。 首先是一个数据data.frame ，其中包含从调查问卷收集的数据，第二个是有正确答案的数字向量（这仅适用于单选题问卷）。 或者，您可以添加第三个参数，该参数将返回带有最终分数的数字向量，或者带有embedded分数的data.frame。
fscore <- function(x, sol, output = 'numeric') { if (ncol(x) != length(sol)) { stop('Number of items differs from length of correct answers!') } else { inc <- matrix(ncol=ncol(x), nrow=nrow(x)) for (i in 1:ncol(x)) { inc[,i] <- x[,i] == sol[i] } if (output == 'numeric') { res <- rowSums(inc) } else if (output == 'data.frame') { res <- data.frame(x, result = rowSums(inc)) } else { stop('Type not supported!') } } return(res) }
我会试着用一些更加优雅的方式来做这件事。 请注意，我没有把na.rm论点…会做到这一点
# create dummy data frame - values from 1 to 5 set.seed(100) d <- as.data.frame(matrix(round(runif(200,1,5)), 10)) # create solution vector sol <- round(runif(20, 1, 5))
现在应用一个函数：
> fscore(d, sol) [1] 6 4 2 4 4 3 3 6 2 6
如果你传递data.frame参数，它将返回修改的data.frame。 我会尝试修复这个…希望它有帮助！
我刚刚有一个特殊的问题，我不得不从一个逻辑向量计算真正的语句的数量，这对我来说是最好的… …
length(grep(TRUE, (gene.rep.matrix[i,1:6] > 1))) > 5
所以这需要gene.rep.matrix对象的一个子集，并应用逻辑testing，返回一个逻辑向量。 这个向量作为grep的一个参数，它返回任何TRUE条目的位置。 长度然后计算grepfind多less条目，从而给出TRUE条目的数目。
