向量化跨矩阵行的操作答案

【问题标题】：Vectorizing which operation across the rows of a matrix向量化跨矩阵行的操作
【发布时间】：2020-02-06 14:47:59
【问题描述】：

我想向量化（apply）矩阵X 上的which 操作，如以下for 循环所示，结果向量ind：

X   = matrix( 1:20, 4, 5 )
V   = sample( 1:20, 4 )
ind = numeric()
for( i in 1:nrow(X) ) ind[i] = max( c(0, which(X[i,] < V[i]) ))

该操作在ind 中为X 中的每一行返回最大值小于V 的X-row-corresponding 元素所指示的值的元素的索引。

操作max 将所有符合条件的索引的向量映射到一个标量。或者，我会对返回的操作感到满意，例如所有索引的list（我可以lapplymax）。

【问题讨论】：

标签： r vectorization

【解决方案1】：

如果您的矩阵像您分享的示例一样具有增加的值（我当然对此表示怀疑），但如果确实如此，您可以简单地做到，

rowSums(X < V)
#[1] 4 3 4 0

但是，如果不是这种情况，那么一个简单的apply 就足够了，即

apply(X < V, 1, function(i)max(which(i)))
#[1]    4    3    4 -Inf

记住所有的数学运算都是向量化的，所以<是向量化的

您可以照常替换-Inf

【讨论】：

【解决方案2】：

apply(
    (X < V) * X
    , 1
    , which.max
)

【讨论】：

这给出了错误的输出。 - 仅供参考，不是我的反对意见

【解决方案3】：

这是一个简单的 lapply 示例

X   = matrix( 1:20, 4, 5 )
V   = sample( 1:20, 4 )
ind = numeric()
for( i in 1:nrow(X) ) ind[i] = max( c(0, which(X[i,] < V[i]) ))

mymax = function(matrix, sample) {
    whichlist = which(matrix < sample)
    max(0, whichlist)
}
ind2 = unlist(lapply(1:nrow(X), function(r) mymax(X[r,], V[r])))

identical(ind, ind2)
# [1] TRUE

【讨论】：

【解决方案4】：

这是另一个答案，您首先在 X 的每一行中 sweep 向量 V，然后使用 apply 来确定每行的最大 TRUE 元素。

set.seed(14)
X   = matrix( 1:20, 4, 5 )
V   = sample( 1:20, 4 )
ind1 = numeric()
for( i in 1:nrow(X) ) ind1[i] =  max(c(0, which(X[i,] < V[i]) ))



ind2 <- apply(
  sweep(X, 1, V, "<"),
  1,
  function(x){
    max(
    which(
      x,
      arr.ind = TRUE)
    )
  }
)


> ind1
[1] 2 5 2 4
> ind2
[1] 2 5 2 4

【讨论】：