R中的向量化与double for答案

【问题标题】：Vectorization in R with double forR中的向量化与double for
【发布时间】：2017-09-21 15:33:50
【问题描述】：

我已经使用 R 练习了 1 年，现在我面临一个新问题，称为：矢量化。基本上我希望我的代码更快。这是我的问题：我有一个 0 和 1 的矩阵，我想将每一行与其他行进行比较，以在同一位置找到匹配项。例如，我的矩阵是：a<-matrix(c(1,1,1,0,1,1,0,1,0,1,0,1,0,0,0),5,3)。在这种情况下，第一行和第二行有一个匹配，第一行和第三行有三个匹配。我想建立一个对称矩阵行维，并在每个地方写匹配的总和，对角线上为 0。

我写的代码是：

a<-matrix(sample(c(0,1), size=18, replace=T), ncol=3) # a random matrix 6x3

mat<-diag(0,nrow=dim(a)[1])

n<-dim(a)[1]

for( i in 1:(n-1)){
   for (j in (i+1):n){
       mat[i,j]<-sum(ifelse(a[i,]==a[j,],1,0))
    }}

我正在寻找一些东西来改进此代码并删除 for 循环。我正在申请，但它适用于除倒数第二行和最后一行之外的所有内容：

for( i in 1:(n-2)){
   vv<-a[(i+1):n,]
   mat3[i,(i+1):n]<-apply(vv,1,function(x) sum(ifelse(x==a[i,],1,0)))
}

我必须在 for 循环中放入 2 而不是 1，因为 apply 仅适用于矩阵而不适用于数组（实际上最终 vv 将是一个数组）。提前谢谢你。

【问题讨论】：

标签： r for-loop vectorization apply

【解决方案1】：

不确定这是否比您的方法更快，但这是我的方法。首先，列出您想要的所有组合。

coms <- combn(1:nrow(a), 2) # combn from utils package
coms
#     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#[1,]    1    1    1    1    2    2    2    3    3     4
#[2,]    2    3    4    5    3    4    5    4    5     5

因此，第一列将比较 1 到 2，第二列将比较 1 到 3，依此类推。

现在，编写一个函数来计算公共给定向量长度 2 中的元素数，该向量表示行索引。

funky <- function(com){
  sum(a[com[1], ] == a[com[2], ])
}
funky(c(1, 2))
# [1] 1
funky(c(1, 3))
# [1] 3

现在将此函数应用于组合矩阵。

apply(coms, 2, funky)
# [1] 1 3 1 3 1 1 1 1 3 1

如果你喜欢在你的矩阵输出中使用这个

mat <- diag(0, nrow = nrow(a))
mat[lower.tri(mat, diag = FALSE)] <- apply(coms, 2, funky)
t(mat)
#      [,1] [,2] [,3] [,4] [,5]
# [1,]    0    1    3    1    3
# [2,]    0    0    1    1    1
# [3,]    0    0    0    1    3
# [4,]    0    0    0    0    1
# [5,]    0    0    0    0    0

【讨论】：

这绝对比for 循环快。在 100x100 矩阵上，它大约快 4 倍。使用sum(a[com[1], ] == a[com[2], ]) 似乎性能更好，但只有几毫秒。
谢谢@Benjamin。你是对的，这不仅应该稍微快一点，而且更容易阅读和理解。我已根据您的建议更新了我的答案。

【解决方案2】：

你可以简单地做tcrossprod(a) + tcrossprod(1 - a)

【讨论】：

【解决方案3】：

这个怎么样...

a <- matrix(c(1,1,1,0,1,1,0,1,0,1,0,1,0,0,0), 5, 3)

b <- apply(a, 1, function(r) apply(a, 1, function(s) sum(r==s)))
diag(b) <- 0

b
     [,1] [,2] [,3] [,4] [,5]
[1,]    0    1    3    1    3
[2,]    1    0    1    1    1
[3,]    3    1    0    1    3
[4,]    1    1    1    0    1
[5,]    3    1    3    1    0

【讨论】：