等价于rowMeans（）for min（）

Question

我看到这个问题在R邮件列表中被多次询问，但仍然找不到满意的答案。

假设我一个矩阵m

m <- matrix(rnorm(10000000), ncol=10) 

我可以得到每行的意思是：

system.time(rowMeans(m)) 
    user system elapsed 
    0.100 0.000 0.097 

但是，

system.time(apply(m,1,min)) 
    user system elapsed 
16.157 0.400 17.029 

获得每行的最低值取超过100倍的时间，有没有办法加快速度？

Answer 1

快了很多你可以使用pmin，但你必须将矩阵的每一列都放入一个单独的向量中。一种方法是将其转换为data.frame，然后通过do.call调用pmin（因为data.frames是列表）。

system.time(do.call(pmin, as.data.frame(m))) 
# user system elapsed 
# 0.940 0.000 0.949 
system.time(apply(m,1,min)) 
# user system elapsed 
# 16.84 0.00 16.95 

Answer 2

library("sos") 
findFn("rowMin") 

得到一个砸在Biobase包，从Bioconductor的...

source("http://bioconductor.org/biocLite.R") 
biocLite("Biobase") 

m <- matrix(rnorm(10000000), ncol=10) 
system.time(rowMeans(m)) 
## user system elapsed 
## 0.132 0.148 0.279 
system.time(apply(m,1,min)) 
## user system elapsed 
## 11.825 1.688 13.603 
library(Biobase) 
system.time(rowMin(m)) 
## user system elapsed 
## 0.688 0.172 0.864 

不一样快rowMeans，但比apply(...,1,min)

Answer 3

我一直想尝试新的compiler包中的R 2.13.0。这基本上遵循由Dirk here概述的帖子。

library(compiler) 
library(rbenchmark) 
rowMin <- function(x, ind) apply(x, ind, min) 
crowMin <- cmpfun(rowMin) 

benchmark(
     rowMin(m,1) 
    , crowMin(m,1) 
    , columns=c("test", "replications","elapsed","relative") 
    , order="relative" 
    , replications=10) 
) 

而且结果：

  test replications elapsed relative 
2 crowMin(m, 1)   10 120.091 1.0000 
1 rowMin(m, 1)   10 122.745 1.0221 

Anticlimatic，至少可以说，虽然看起来很像你已经得到了其他一些不错的选择。

Answer 4

不是特别R-特质，但肯定是最快的方法，只是使用pmin和环比列：

x <- m[,1] 
for (i in 2:ncol(m)) x <- pmin(x, m[,i]) 

在我的机器运行时间超过rowMeans为1E + 07x10矩阵不再仅仅3次，并且通过data.frame比do.call方法略快。

Answer 5

如果你要坚持CRAN的包，那么无论是matrixStats和fBasics包装具备的功能rowMins [注意s这是不是在Biobase功能]和各种其他行和列的统计数据。

Answer 6

晚会很晚，但作为matrixStats的作者，如果有人发现这种情况，请注意matrixStats::rowMins()这几天非常快，

library(microbenchmark) 
library(Biobase)  # rowMin() 
library(matrixStats) # rowMins() 
options(digits=3) 

m <- matrix(rnorm(10000000), ncol=10) 

stats <- microbenchmark(
    rowMeans(m), ## A benchmark by OP 
    rowMins(m), 
    rowMin(m), 
    do.call(pmin, as.data.frame(m)), 
    apply(m, MARGIN=1L, FUN=min), 
    times=10 
) 

> stats 
Unit: milliseconds 
          expr min  lq mean median  uq max 
         rowMeans(m) 77.7 82.7 85.7 84.4 90.3 98.2 
         rowMins(m) 72.9 74.1 88.0 79.0 90.2 147.4 
         rowMin(m) 341.1 347.1 395.9 383.4 395.1 607.7 
    do.call(pmin, as.data.frame(m)) 326.4 357.0 435.4 401.0 437.6 657.9 
apply(m, MARGIN = 1L, FUN = min) 3761.9 3963.8 4120.6 4109.8 4198.7 4567.4