我有几种算法取决于确定元素是否存在于向量中的效率。在我看来，这%in%（这相当于is.element()）应该是最有效的，因为它只返回一个布尔值。在测试了几种方法之后，令我惊讶的是，这些方法是迄今为止效率最低的。以下是我的分析（随着向量大小的增加，结果会变得更糟）：

EfficiencyTest <- function(n, Lim) {

    samp1 <- sample(Lim, n)
    set1 <- sample(Lim, Lim)

    print(system.time(for(i in 1:n) {which(set1==samp1[i])}))
    print(system.time(for(i in 1:n) {samp1[i] %in% set1}))
    print(system.time(for(i in 1:n) {is.element(samp1[i], set1)}))
    print(system.time(for(i in 1:n) {match(samp1[i], set1)}))
    a <- system.time(set1 <- sort(set1))
    b <- system.time(for (i in 1:n) {BinVecCheck(samp1[i], set1)})
    print(a+b)
}

> EfficiencyTest(10^3, 10^5)
user  system elapsed 
0.29    0.11    0.40 
user  system elapsed 
19.79    0.39   20.21 
user  system elapsed 
19.89    0.53   20.44 
user  system elapsed 
20.04    0.28   20.33 
user  system elapsed 
0.02    0.00    0.03 

Where BinVecCheck是我编写的返回的二分搜索算法TRUE/FALSE。请注意，我包括了使用最终方法对向量进行排序所需的时间。这是二分查找的代码：

BinVecCheck <- function(tar, vec) {      
    if (tar==vec[1] || tar==vec[length(vec)]) {return(TRUE)}        
    size <- length(vec)
    size2 <- trunc(size/2)
    dist <- (tar - vec[size2])       
    if (dist > 0) {
        lower <- size2 - 1L
        upper <- size
    } else {
        lower <- 1L
        upper <- size2 + 1L
    }        
    while (size2 > 1 && !(dist==0)) {
        size2 <- trunc((upper-lower)/2)
        temp <- lower+size2
        dist <- (tar - vec[temp])
        if (dist > 0) {
            lower <- temp-1L
        } else {
            upper <- temp+1L
        }
    }       
    if (dist==0) {return(TRUE)} else {return(FALSE)}
}

平台信息：

> sessionInfo()
R version 3.2.1 (2015-06-18)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

Question

有没有更有效的方法来确定R中向量中是否存在元素？例如，是否有与 Python 等效的 R 函数set https://docs.python.org/2/library/sets.html函数，这大大改进了这种方法？还有，为什么是%in%等，即使与which提供更多信息的函数（它不仅确定存在性，而且还给出所有真实帐户的索引）？

我的测试并没有证实你的所有主张，但这似乎（？）是由于跨平台差异（这使得问题变得更加神秘，并且可能值得考虑）[email protected] /cdn-cgi/l/email-protection，虽然也许不是因为fastmatch无论如何，下面的解决方案占主导地位......）

 n <- 10^3; Lim <- 10^5
 set.seed(101)
 samp1 <- sample(Lim,n)
 set1 <- sample(Lim,Lim)
 library("rbenchmark")

 library("fastmatch")
 `%fin%` <- function(x, table) {
     stopifnot(require(fastmatch))
     fmatch(x, table, nomatch = 0L) > 0L
 }
 benchmark(which=sapply(samp1,function(x) which(set1==x)),
           infun=sapply(samp1,function(x) x %in% set1),
           fin= sapply(samp1,function(x) x %fin% set1),
           brc= sapply(samp1,BinVecCheck,vec=sort(set1)),
           replications=20,
    columns = c("test", "replications", "elapsed", "relative"))

##    test replications elapsed relative
## 4   brc           20   0.871    2.329
## 3   fin           20   0.374    1.000
## 2 infun           20   6.480   17.326
## 1 which           20  10.634   28.433

这说的是%in%大约是两倍which- 你的BinVecCheck功能好 7 倍，但fastmatch解决方案来自here https://stackoverflow.com/questions/32934933/faster-in-operator得到另一个因子 2。我不知道专门的 Rcpp 实现是否可以做得更好...... 事实上，即使运行您的代码，我也会得到不同的答案：

##    user  system elapsed   (which)
##   0.488   0.096   0.586 
##    user  system elapsed   (%in%) 
##   0.184   0.132   0.315 
##    user  system elapsed  (is.element)
##   0.188   0.124   0.313 
##    user  system elapsed  (match)
##   0.148   0.164   0.312 
##    user  system elapsed  (BinVecCheck)
##   0.048   0.008   0.055 

update: on r-develPeter Dalgaard 通过指出 R 来解释平台差异（这是 R 版本差异，而不是操作系统差异）NEWS https://cran.r-project.org/doc/manuals/r-devel/NEWS.html entry:

match(x, table)更快，有时快一个数量级，当x长度为 1 并且 incomparables 没有改变，这要归功于 Haverty 的 PR#16491。

sessionInfo()
## R Under development (unstable) (2015-10-23 r69563)
## Platform: i686-pc-linux-gnu (32-bit)
## Running under: Ubuntu precise (12.04.5 LTS)