取决于另一个矩阵的改进矩阵操作循环的方法

Question

我知道改进循环已经被问过很多次了。 我们可以应用族函数来改进R中的for循环。

但是，有没有一种方法可以改进矩阵的操作，其中这些操作依赖于另一个矩阵？我这里的意思是这样的，在那里我test设置为2的元素是基于另一个矩阵index：

for (i in 1:nrow(test)){ 
    test[i,index[i,]] <- 2 
} # where index is predetermined matrix 

另一个例子是这样的，当我在test基于元素的顺序设置的值另一个矩阵anyMatrix行：

for (i in 1:nrow(test)){ 
    test[i,] <- order(anyMatrix[i,]) 
} 

我可以lapply或sapply用在这里，但他们返回一个列表，它需要时间相同数量的将其转换回矩阵。

重复的例子：

test <- matrix(0, nrow = 10, ncol = 10) 
set.seed(1234) 
index <- matrix(sample.int(10, 10*10, TRUE), 10, 10) 
anyMatrix <- matrix(rnorm(10*10), nrow = 10, ncol = 10) 

for (i in 1:nrow(test)){ 
    test[i,index[i,]] <- 2 
} 

for (i in 1:nrow(test)){ 
    test[i,] <- order(anyMatrix[i,]) 
} 

Answer 1

你真的出现在这里有两个独立的问题。

问题1：给定一个矩阵index，你要设置test[i,j] 2如果j出现在indexi行每行i和列j。这可以通过简单的矩阵索引来完成，传递索引的2列矩阵，其中第一列是要索引的所有元素的行，第二列是要索引的所有元素的列：

test[cbind(as.vector(row(index)), as.vector(index))] <- 2 
test 
#  [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] 
# [1,] 2 2 0 2 2 2 2 0 2  2 
# [2,] 2 0 2 2 2 2 2 0 2  2 
# [3,] 2 2 2 2 0 0 2 2 0  0 
# [4,] 2 2 0 0 0 2 2 2 0  2 
# [5,] 2 2 2 2 0 0 0 0 2  0 
# [6,] 0 0 0 0 0 2 2 2 2  0 
# [7,] 2 0 2 2 2 2 2 0 0  0 
# [8,] 2 0 2 2 2 2 0 2 0  2 
# [9,] 2 2 2 2 0 0 2 0 2  2 
# [10,] 2 0 2 0 0 2 2 2 2  0 

由于这样做在单个向量化操作中的所有操作，它应该比遍历行并分别处理它们要快。以下是一个具有100万行和10列的示例：

OP <- function(test, index) { 
    for (i in 1:nrow(test)){ 
    test[i,index[i,]] <- 2 
    } 
    test 
} 
josliber <- function(test, index) { 
    test[cbind(as.vector(row(index)), as.vector(index))] <- 2 
    test 
} 
test.big <- matrix(0, nrow = 1000000, ncol = 10) 
set.seed(1234) 
index.big <- matrix(sample.int(10, 1000000*10, TRUE), 1000000, 10) 
identical(OP(test.big, index.big), josliber(test.big, index.big)) 
# [1] TRUE 
system.time(OP(test.big, index.big)) 
# user system elapsed 
# 1.564 0.014 1.591 
system.time(josliber(test.big, index.big)) 
# user system elapsed 
# 0.408 0.034 0.444 

这里，向量化方法的速度提高了3.5倍。

问题2：你想的testi行设置为order应用于anyMatrix相应的行。你可以用apply做到这一点：

(test <- t(apply(anyMatrix, 1, order))) 
#  [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] 
# [1,] 1 10 7 8 4 5 3 6 2  9 
# [2,] 8 7 1 6 3 4 9 5 10  2 
# [3,] 4 9 7 1 3 2 6 10 5  8 
# [4,] 1 2 6 4 10 3 9 8 7  5 
# [5,] 9 6 5 1 2 7 10 4 8  3 
# [6,] 9 3 8 6 5 10 1 4 7  2 
# [7,] 3 7 2 5 6 8 9 4 1 10 
# [8,] 9 8 1 3 4 6 7 10 5  2 
# [9,] 8 4 3 6 10 7 9 5 2  1 
# [10,] 4 1 9 3 6 7 8 2 10  5 

我不会期望太多在运行时这里的变化，因为apply其实只是通过行循环类似于你如何在解决方案中循环。尽管如此，我更喜欢这个解决方案，因为这样做的好处在于键入更少，更“R”的做事方式。

请注意，这两个应用程序都使用完全不同的代码，这在R数据操作中非常典型 - 有许多不同的专用操作符，您需要选择适合您的任务的代码。我不认为有一个单一的功能，甚至是一小组函数，它们将能够处理所有的基于另一个矩阵的数据的矩阵操作。