R语言实现dataframe逻辑规则序列超高速匹配函数需求

原始实现代码 #

fu <- function(dat , rule , res.only=T){
debug.vec <- rep("no",nrow(dat)) # 规则触发标记
rule.id <- 1 # 规则向量中当前匹配的规则序号
for(i in 1:nrow(dat)){
  # 检查第i行是否满足当前待匹配规则rule[rule.id]
  current_rule <- with(data = dat[i,] , expr = eval(parse(text = rule[rule.id]))  )
   if(current_rule){  # 规则触发成功
          debug.vec[i] <- rule[rule.id]
          if(  rule.id==length(rule)  ) break   # 所有规则匹配完成则终止循环
           rule.id <- rule.id+1  # 匹配下一条规则
           }}  
if(!res.only)  return(  cbind(dat,debug.vec)  )  
return(  sum(debug.vec!="no")==length(rule)   )
}

测试用例 #

测试数据生成代码 #

set.seed(123)
dat <- as.data.frame(matrix(data = sample(10,30,replace = T),ncol = 3))
colnames(dat) <- paste0("x" ,1:ncol(dat))

生成的数据集内容：

x1 x2 x3
1   3  5  9
2   3  3  3
3  10  9  4
4   2  9  1
5   6  9  7
6   5  3  5
7   4  8 10
8   6 10  7
9   9  7  9
10 10 10  9

规则示例 #

rule <- c("x1>5 & x2>2" , "x1>x2" , "x3!=4" )

功能说明 #

该函数按顺序匹配规则向量中的规则：当第k条规则在某行匹配成功后，从下一行开始搜索第k+1条规则，全部规则匹配完成则返回TRUE；若设置res.only = F，会返回新增debug.vec列的原数据集，标记每行匹配到的规则。
调用示例结果：

> fu(dat = dat, rule = rule, res.only = T)
[1] TRUE

> fu(dat = dat, rule = rule, res.only = F)
   x1 x2 x3   debug.vec
1   3  5  9          no
2   3  3  3          no
3  10  9  4 x1>5 & x2>2
4   2  9  1          no
5   6  9  7          no
6   5  3  5       x1>x2
7   4  8 10       x3!=4
8   6 10  7          no
9   9  7  9          no
10 10 10  9          no

匹配逻辑明确 #

此前其他用户提供的Waldi函数与原函数逻辑不一致，不符合要求，特此明确匹配逻辑：规则[k]触发后，规则[k+1]的搜索必须从dat的下一行开始，以下为逻辑验证示例：

dat <- structure(list(x1 = c(2L, 5L, 1L, 3L, 9L, 2L, 6L, 3L, 3L, 9L), 
                      x2 = c(2L, 1L, 6L, 10L, 8L, 10L, 10L, 4L, 6L, 4L), 
                      x3 = c(4L, 9L, 8L, 7L, 10L, 1L, 2L, 8L, 3L, 10L)),
                   class = "data.frame", row.names = c(NA, -10L))
rule <- c("x1>5 & x2>2" , "x1>x2" , "x3!=4" )

my_fu(dat = dat, rule = rule, res.only = F)

该场景下仅前两条规则匹配成功，第三条规则无匹配行，函数返回结果如下：

> my_fu(dat = dat, rule = rule, res.only = F)
   x1 x2 x3   debug.vec
1   2  2  4          no
2   5  1  9          no
3   1  6  8          no
4   3 10  7          no
5   9  8 10 x1>5 & x2>2
6   2 10  1          no
7   6 10  2          no
8   3  4  8          no
9   3  6  3          no
10  9  4 10       x1>x2

> my_fu(dat = dat, rule = rule, res.only = T)
[1] FALSE

优化要求 #

需输出该功能的最高性能实现版本，可使用Rcpp等技术方案优化速度，优化后的函数需完全符合上述匹配逻辑。

内容的提问来源于stack exchange，提问作者mr.T