将函数应用于R中的距离矩阵答案

【问题标题】：Applying a function to a distance matrix in R将函数应用于R中的距离矩阵
【发布时间】：2010-12-14 02:55:21
【问题描述】：

这个问题今天出现在 manipulatr 邮件列表中。

http://groups.google.com/group/manipulatr/browse_thread/thread/fbab76945f7cba3f

我正在改写。

给定一个距离矩阵（使用dist 计算），对距离矩阵的行应用一个函数。

代码：

library(plyr)
N <- 100
a <- data.frame(b=1:N,c=runif(N))
d <- dist(a,diag=T,upper=T)
sumd <- adply(as.matrix(d),1,sum)

问题是，要逐行应用函数，您必须存储整个矩阵（而不仅仅是下三角部分。因此它对大型矩阵使用了太多内存。它在我的计算机中无法处理尺寸为 ~ 10000 的矩阵.

有什么想法吗？

【问题讨论】：

标签： algorithm r

【解决方案1】：

首先，对于还没看过这个的人，我强烈推荐reading this article on the r-wiki关于代码优化。

这是另一个没有使用ifelse的版本（这是一个相对较慢的功能）：

noeq.2 <- function(i, j, N) {
    i <- i-1
    j <- j-1
    x <- i*(N-1) - (i-1)*((i-1) + 1)/2 + j - i
    x2 <- j*(N-1) - (j-1)*((j-1) + 1)/2 + i - j
    idx <- i < j
    x[!idx] <- x2[!idx]
    x[i==j] <- 0
    x
}

我的笔记本电脑上的计时：

> N <- 1000
> system.time(sapply(1:N, function(i) sapply(1:N, function(j) noeq(i, j, N))))
   user  system elapsed 
  51.31    0.10   52.06 
> system.time(sapply(1:N, function(j) noeq.1(1:N, j, N)))
   user  system elapsed 
   2.47    0.02    2.67 
> system.time(sapply(1:N, function(j) noeq.2(1:N, j, N)))
   user  system elapsed 
   0.88    0.01    1.12

而且 lapply 比 sapply 快：

> system.time(do.call("rbind",lapply(1:N, function(j) noeq.2(1:N, j, N))))
   user  system elapsed 
   0.67    0.00    0.67

【讨论】：

您好，您的链接似乎已失效，您能修复一下吗？

【解决方案2】：

这是函数noeq 的矢量化版本（参数i 或j）：

noeq.1 <- function(i, j, N) {
    i <- i-1
    j <- j-1
    ifelse(i < j,
           i*(N-1) - ((i-1)*i)/2 + j - i,
           j*(N-1) - ((j-1)*j)/2 + i - j) * ifelse(i == j, 0, 1)
}   

> N <- 4
> sapply(1:N, function(i) sapply(1:N, function(j) noeq(i, j, N)))
     [,1] [,2] [,3] [,4]
[1,]    0    1    2    3
[2,]    1    0    4    5
[3,]    2    4    0    6
[4,]    3    5    6    0
> sapply(1:N, function(i) noeq.1(i, 1:N, N))
     [,1] [,2] [,3] [,4]
[1,]    0    1    2    3
[2,]    1    0    4    5
[3,]    2    4    0    6
[4,]    3    5    6    0

时序在 2.4 GHz Intel Core 2 Duo (Mac OS 10.6.1) 上完成：

> N <- 1000
> system.time(sapply(1:N, function(j) noeq.1(1:N, j, N)))
   user  system elapsed 
  0.676   0.061   0.738 
> system.time(sapply(1:N, function(i) sapply(1:N, function(j) noeq(i, j, N))))
   user  system elapsed 
 14.359   0.032  14.410

【讨论】：

R 如何快速的好例子：20 倍改进！

【解决方案3】：

我的解决方案是在给定行和矩阵大小的情况下获取距离向量的索引。我是从codeguru得到这个的

int Trag_noeq(int row, int col, int N)
{
   //assert(row != col);    //You can add this in if you like
   if (row<col)
      return row*(N-1) - (row-1)*((row-1) + 1)/2 + col - row - 1;
   else if (col<row)
      return col*(N-1) - (col-1)*((col-1) + 1)/2 + row - col - 1;
   else
      return -1;
}

转换为 R 后，假设索引从 1 开始，并假设我得到的是下 tri 而不是上 tri 矩阵。
编辑：使用 rcs 贡献的矢量化版本

noeq.1 <- function(i, j, N) {
    i <- i-1
    j <- j-1
    ix <- ifelse(i < j,
                 i*(N-1) - (i-1)*((i-1) + 1)/2 + j - i,
                 j*(N-1) - (j-1)*((j-1) + 1)/2 + i - j) * ifelse(i == j, 0, 1)
    ix
}

## To get the indexes of the row, the following one liner works:

getrow <- function(z, N) noeq.1(z, 1:N, N)

## to get the row sums

getsum <- function(d, f=sum) {
    N <- attr(d, "Size")
    sapply(1:N, function(i) {
        if (i%%100==0) print(i)
        f(d[getrow(i,N)])
    })
}

所以，举个例子：

sumd2 <- getsum(d)

对于矢量化之前的小矩阵，这比 as.matrix 慢很多。但是矢量化后的速度只有大约 3 倍。在 Intel Core2Duo 2ghz 中，按行对大小为 10000 的矩阵求和只需要 100 多秒。 as.matrix 方法失败。谢谢rcs！

【讨论】：