如何有效地计算R中稀疏矩阵每一行的平方和？答案

【问题标题】：How to efficiently compute the sum of squares of each of row of a sparse matrix in R?如何有效地计算R中稀疏矩阵每一行的平方和？
【发布时间】：2020-01-02 18:14:05
【问题描述】：

我有一个矩阵 M，我想计算每行条目的平方和。所以对于一个小矩阵，我可以写（在 R 中）：

x <- diag(M %*% t(M))

但是，我的矩阵是一个稀疏矩阵，大约有 1000 万行和 100 列，执行上述操作首先计算整个 1000 万乘 1000 万矩阵，然后从中提取对角线，因此效率非常低。

在不计算不需要的值的情况下，用矩阵运算来做到这一点的好方法是什么？

【问题讨论】：

有 1000 万行，问题是你如何将这些数据加载到 R 中，以及为什么你坚持做矩阵运算，而你可以简单地对逐行做一个简单的操作- 行基础？
@MrGumble R 支持稀疏矩阵，因此将这样大小的矩阵加载到 R 中并不难。对 1000 万行执行 for 循环似乎也效率不高，因为循环将在 R 中完成，而矩阵运算被转换为更快的 C。
考虑到还没有人建议，这可能是幼稚的，但是rowSums(M^2) 怎么样？另一种选择是使用apply() 的并行处理。
您不需要循环每行，因为您的行对于此操作是独立的，您可以提取数据块并使用 Neeraj 建议的方法.

标签： r matrix sparse-matrix linear-algebra

【解决方案1】：

您可以使用 apply 函数简单地做到这一点。比如Mat就是你的相关矩阵，那么

apply(Mat, 1, FUN = function(x) sum(x^2))

【讨论】：

你知道这是否正确/有效地处理了稀疏矩阵的情况吗？

【解决方案2】：

apply() 函数不适用于大数据。我认为它只是将每一行转换为一个有很多 0 的向量..

您可以改用Matrix::rowSums(M ** 2)。

【讨论】：

【解决方案3】：

简单的rowSums(M**2)应该是最有效的。

【讨论】：