向量化矩阵[重复]答案

【问题标题】：Vectorizing a matrix [duplicate]向量化矩阵[重复]
【发布时间】：2011-06-02 00:22:27
【问题描述】：

我有一个 1000 x 1000 的大型 2D 矩阵。我想重新调整它的形状，使其成为一列（或一行）。例如，如果矩阵是：

我想把它变成：

1 2 3 4 5 6 7 8 9

我不需要保留列标题，只需保留数据的顺序。我如何使用reshape2（我认为这是最容易使用的软件包）来做到这一点？

为了澄清，我提到了reshape，因为我认为这是最好的方法。我可以看到有一些我非常满意的更简单的方法。

【问题讨论】：

无论何时对矩阵进行矢量化处理，请记住它总是排在前面。当您需要保留行顺序时，请执行c(t(some.matrix))。
更改了标题以反映所提出的问题。顺便说一句，我想知道那种重塑恋物癖是从哪里来的。我看到有很多问题要求对一个从一开始就没有构建 reshape 的问题进行 reshape 答案。
@Joris 也许“如果你只有一把锤子，那么一切看起来都像钉子。”？
@Joris - 真的是无知。我只是假设我想做的不是标准操作。我使用 ggplot2，其中有时会提到 reshape2，因为它们都是由 Hadley Wickham 制作的。

标签： r vector statistics matrix

【解决方案1】：

我认为很难找到比以下更紧凑的方法：

c(m)
[1] 1 2 3 4 5 6 7 8 9

但是，如果你想保留一个矩阵结构，那么对 dim 属性的这种修改将是有效的：

dim(m) <- c(dim(m)[1]*dim(m)[2], 1)
m
      [,1]
 [1,]    1
 [2,]    2
 [3,]    3
 [4,]    4
 [5,]    5
 [6,]    6
 [7,]    7
 [8,]    8
 [9,]    9

会有更紧凑的方法来获取维度的乘积，但上述方法强调了 dim 属性是矩阵的二元向量。在该示例中获得“9”的其他方法包括：

> prod(dim(m))
[1] 9
> length(m)
[1] 9

【讨论】：

你可以通过 cbind(c(m)) 使其成为单列矩阵
@hadley 好的，那么 prod(dim(m)) 呢？
dim(m) <- c(prod(dim(m)), 1) 更好一些，可以扩展到任意数量的维度`
这就是我想让读者做的事情。代码prod(dim(m)) 是作为笨拙的替代品提供的：dim(m)[1]*dim(m)[2] 作为到达 9 的一种方式。它总是打算进入dim(m)<-c(prod(dim(m)), 1)，我想这就是为什么我无法理解你的评论。
对于拥有data.frame、unlist(df) 的任何人都有效。

【解决方案2】：

一个可能的解决方案，但不使用 reshape2：

> m <- matrix(c(1:9), ncol = 3)
> m
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> as.vector(m)
[1] 1 2 3 4 5 6 7 8 9

【讨论】：

as.vector(m) 的速度大约是 c(m) 的一半 - 并不是说时间在这里很重要。

【解决方案3】：

R 伙计们来吧，让我们给 OP 一个 reshape2 解决方案：

> m <- matrix(c(1:9), ncol = 3)
> melt(m)$value
[1] 1 2 3 4 5 6 7 8 9

我只是懒得去测试它比 c(m) 慢了多少。不过是一样的：

> identical(c(m),melt(m)$value)
[1] TRUE

[编辑：哦，我在开玩笑吧：]

> system.time(for(i in 1:1000){z=melt(m)$value})
   user  system elapsed 
  1.653   0.004   1.662 
> system.time(for(i in 1:1000){z=c(m)})
   user  system elapsed 
  0.004   0.000   0.004

【讨论】：

在 1000 x 1000 矩阵上进行测试时，重塑解决方案的速度要慢几个数量级......正如您通过编辑看到的那样。 ;-)
+1 时间。有趣的重塑黑客虽然，我不会想到它。出于显而易见的原因;-)
仅供娱乐：reshape2::melt 比 reshape::melt 快约 25%（10000 次重复约 7.7 秒对 10.3 秒），但仍比 c(m) 慢约 400 倍。 .

【解决方案4】：

as.vector(m) 应该比 c(m) 更高效：

> library(rbenchmark)
> m <- diag(5000)
> benchmark(
+   vect = as.vector(m), 
+   conc = c(m), 
+   replications=100
+ )
  test replications elapsed relative user.self sys.self user.child sys.child
2 conc          100  12.699    1.177     6.952    5.754          0         0
1 vect          100  10.785    1.000     4.858    5.933          0         0

【讨论】：

【解决方案5】：

一种更简单的方法是使用函数“sapply”（或者同样可以使用“for”循环）

 m <- matrix(c(1:9), ncol = 3)
 (m1 <- as.numeric(sapply(1:NROW(m), function(i)(m[,i]))))

【讨论】：