r - 一种热编码功能

我需要创建一个函数，它采用两个整数 x 和 N ，其中 N > x 并返回一个维度向量 N ，除了组件 x 之外，它都有一个 1 。

我设法通过以下方式做到了，

Function=function(x,N){
  vec=rep(0,N)
  r=as.integer(x)
  vec[r]=1
  return(vec)
}

但是当我需要迭代过程并将其应用于大量实现时，速度非常慢。另一方面，我的一个 friend 能够用 python 的单个函数(我认为是“OneHotEncoder”)做同样的事情，而且速度非常快。

我想知道 R 中是否有适合此目的的函数。

最佳答案

沿着@Axeman所说的，您应该考虑是否可以以矢量化方式找到one-hot-encoding，即类似的东西

set.seed(1234)
x=sample.int(5,size=10,replace=TRUE)
x
#  [1] 1 4 4 4 5 4 1 2 4 3

nC=max(x) #could be also larger (user-defined)
nR=length(x)
matrix(`[<-`(integer(nR*nC),(seq.int(nR)-1)*nC+x,1),
       nR,nC,byrow=TRUE)
#       [,1] [,2] [,3] [,4] [,5]
#  [1,]    1    0    0    0    0
#  [2,]    0    0    0    1    0
#  [3,]    0    0    0    1    0
#  [4,]    0    0    0    1    0
#  [5,]    0    0    0    0    1
#  [6,]    0    0    0    1    0
#  [7,]    1    0    0    0    0
#  [8,]    0    1    0    0    0
#  [9,]    0    0    0    1    0
# [10,]    0    0    1    0    0

将 model.matrix 方法与上面给出的方法进行比较:

#longer input vector
x=sample.int(5,size=1e4,replace=TRUE)

oneHotMtx=function(x) {
  nC=max(x) #could be also larger (user-defined)
  nR=length(x)
  matrix(`[<-`(integer(nR*nC),(seq.int(nR)-1)*nC+x,1),
         nR,nC,byrow=TRUE)
}

oneHotMdl=function(x) {
  xf = factor(x)
  model.matrix(~xf+0)
}

oneHotMdl2=function(x) {
  #version without factor conversion
  model.matrix(~x+0)
}

xf=factor(x)
library(microbenchmark)
microbenchmark(oneHotMtx(x),
               oneHotMdl(x),
               oneHotMdl2(xf),times=1e3)

#Unit: microseconds
#          expr      min       lq      mean    median       uq        max neval cld
#  oneHotMtx(x)  386.621  412.510  678.2977  416.4625  435.382   5394.265  1000 a
#  oneHotMdl(x) 7363.481 7528.230 8823.8435 7629.8850 7851.019 261808.302  1000   c
#oneHotMdl2(xf) 4253.366 4377.784 5059.0979 4471.5315 4638.637 257106.400  1000  b

关于r - 一种热编码功能，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50350968/