小编cb1*_*b14的帖子

我有一个非常大(在Excel中打开太大)生物数据集,看起来像这样

    year <- c(1990, 1980, 1985, 1980, 1990, 1990, 1980, 1985, 1985,1990, 
              1980, 1985, 1980, 1990, 1990, 1980, 1985, 1985,
              1990, 1980, 1985, 1980, 1990, 1990, 1980, 1985, 1985)
    species <- c('A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'A','A', 'A', 
                 'B', 'B', 'B', 'C', 'C', 'C', 'A', 'A', 'A', 'B', 'B', 'B', 
                 'C', 'C', 'C', 'A')
    region <- c(1, 1, 1, 3, 2, 3, 3, 2, 1, 1, 3, 3, 3, 2, 2, 1, 1, 1,1, 3, 3, 
                3, …

我有一个有点复杂的数据结构（嵌套列表）y，定义为：

x <- list(
  list(1, "a", 2, "b", 0.1),
  list(3, "c", 4, "d", 0.2),
  list(5, "e", 6, "f", 0.3)
)
y <- rep(list(x), 10)

我还有一个数据框df，定义为：

df <- data.frame(
  x1 = c( 0.33, 1.67, -0.62, -0.56,  0.17, 0.73,  0.59,  0.56, -0.22, 1.49),
  x2 = c(-0.82, 1.22,  0.65,  0.54, -2.26, 1.21, -0.44, -0.92, -0.56, 0.50),
  x3 = c(-0.16, 0.49, -0.82, -0.71,  0.13, 1.22,  1.23, -0.01, -1.11, 0.97)
)

其中列名并不重要。

我想将所有和替换y[[i]][[j]][[5]]为。我的 Python/Julia 大脑在循环中工作得最好，因此我通过循环，然后循环 的元素（每个 的副本）来完成此操作，如下所示：df[[i, j]] …

试图想出一种快速方法来确保 a 在 Julia 中是单调的。

我一直在使用的缓慢（且明显）的方法是这样的：

function check_monotonicity(\n    timeseries::Array,\n    column::Int\n)\n    current = timeseries[1,column]\n    for row in 1:size(timeseries, 1)\n        if timeseries[row,column] > current \n            return false\n        end \n        current = copy(timeseries[row,column])\n    end \n    return true\nend\n

所以它的工作原理是这样的：

julia> using Distributions\n\njulia>mono_matrix = hcat(collect(0:0.1:10), rand(Uniform(0.4,0.6),101),reverse(collect(0.0:0.1:10.0)))\n101\xc3\x973 Matrix{Float64}:\n  0.0  0.574138  10.0\n  0.1  0.490671   9.9\n  0.2  0.457519   9.8\n  0.3  0.567687   9.7\n  \xe2\x8b\xae              \n  9.8  0.513691   0.2\n  9.9  0.589585   0.1\n 10.0  0.405018   0.0\njulia> check_monotonicity(mono_matrix, 2)\nfalse\n

然后对于相反的例子：

julia> check_monotonicity(mono_matrix, 3)\ntrue\n

有谁知道对于长时间序列来说更有效的方法？