我正在尝试在 R 中设置一种特定类型的稀疏矩阵。以下代码给出了我想要的结果,但速度非常慢:
library(Matrix)
f <- function(x){
out <- rbind(head(x, -1), tail(x, -1))
out <- bdiag(split(out, col(out)))
return(out)
}#END f
x <- outer(1:250, (1:5)/10, '+')
do.call(rBind, apply(x, 1, f))
在我正在进行的模拟研究中,我需要这样做数千次,所以这是一个非常严重的瓶颈。在这种情况下, Rprof() 输出非常困惑。如果您对如何加快速度提出任何建议,我将不胜感激。
感谢您的时间。
最佳答案
这段代码运行得更快(rBind 'ing。关键是首先准备行索引、列索引和非零单元格的值。对 sparseMatrix(i,j,x)
的一次调用将构建稀疏矩阵,甚至不需要对 rBind()
的一次调用。
library(Matrix)
A <- 1:250
B <- (1:5)/10
x <- outer(A, B, '+')
f2 <- function(x){
n <- length(x)
rep(x, each=2)[-c(1, 2*n)]
}
system.time({
val <- as.vector(apply(x,1,f2))
n <- length(val)
i <- seq_len(n)
j <- rep(rep(seq_len(length(B)-1), each=2), length.out=n)
outVectorized <- sparseMatrix(i = i, j = j, x = val)
})
# user system elapsed
# 0 0 0
只是为了表明结果是相同的:
## Your approach
f <- function(x){
out <- rbind(head(x, -1), tail(x, -1))
out <- bdiag(split(out, col(out)))
return(out)
}
system.time(outRBinded <- do.call(rBind, apply(x, 1, f)))
# user system elapsed
# 3.36 0.00 3.36
identical(outVectorized, outRBinded)
# [1] TRUE
关于r - 在 R 中设置稀疏矩阵的更快方法?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/10822150/